Librerias.¶
In [ ]:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import re
from unidecode import unidecode
from collections import defaultdict
Miscelánea¶
Configuración estilística de las gráficas.¶
In [3]:
# Ajustar el estilo y los colores globales
plt.style.use('seaborn-v0_8-darkgrid') # Estilo de fondo con cuadrícula
sns.set_palette("Set2") # Paleta de colores uniforme para todas las gráficas
sns.set_context("notebook", font_scale=1.1) # Tamaño de fuente adecuado para notebooks
# Configuración adicional de estilo de gráficos
plt.rcParams.update({
'axes.titlesize': 16, # Tamaño de la fuente del título
'axes.labelsize': 14, # Tamaño de la fuente de los ejes
'xtick.labelsize': 12, # Tamaño de la fuente de las etiquetas del eje x
'ytick.labelsize': 12, # Tamaño de la fuente de las etiquetas del eje y
'legend.fontsize': 12, # Tamaño de la fuente de la leyenda
'axes.titleweight': 'bold', # Peso de la fuente del título
'axes.labelweight': 'bold', # Peso de la fuente de las etiquetas de los ejes
'axes.edgecolor': 'gray', # Color de los bordes de los ejes
'axes.grid': True, # Activar cuadrícula en todos los gráficos
'grid.alpha': 0.3, # Transparencia de la cuadrícula
'grid.color': "gray", # Color de la cuadrícula
'legend.frameon': True, # Fondo de la leyenda visible
'legend.framealpha': 0.9, # Transparencia del fondo de la leyenda
'legend.loc': 'best', # Ubicación de la leyenda
})
# Configuración de seaborn adicional para coherencia con matplotlib
sns.set_style("darkgrid", {"grid.color": ".6", "grid.linestyle": ":"}) # Línea de cuadrícula más clara y estilo de puntos
Funciones entendimiento de datos.¶
In [4]:
# Funciones para el EDA
def plot_top_categories(dataset, column, top_n=10):
"""
Genera un gráfico de barras para las categorías más frecuentes en una columna categórica,
combinando las categorías menos frecuentes en una categoría "Otros".
Parámetros:
dataset (DataFrame): El dataset que contiene la columna.
column (str): Nombre de la columna categórica.
top_n (int): Número de categorías principales a mostrar. Las demás se agrupan como "Otros".
"""
# Calcular las categorías principales y la suma de las demás
top_categories = dataset[column].value_counts().nlargest(top_n)
other = dataset[column].value_counts()[top_n:].sum() # Sumar las categorías restantes
top_categories["Otros"] = other # Agregar "Otros" al final
# Crear el gráfico de barras
plt.figure(figsize=(8, 6))
sns.barplot(x=top_categories.values, y=top_categories.index)
plt.xlabel('Frecuencia')
plt.ylabel(column)
plt.title(f'Distribución de las principales categorías en {column}')
plt.show()
def plot_numeric_distributions(dataset):
"""
Genera histogramas para cada variable numérica en el dataset.
Parámetros:
dataset (DataFrame): El dataset a analizar.
"""
# Seleccionar columnas numéricas
numeric_columns = dataset.select_dtypes(include=['number']).columns
num_columns = len(numeric_columns)
# Calcular el número de filas y columnas necesarias para los subgráficos
num_rows = int(np.ceil(num_columns / 3))
# Crear subplots para los histogramas
fig, axes = plt.subplots(nrows=num_rows, ncols=3, figsize=(15, 5 * num_rows))
axes = axes.flatten()
# Generar el histograma para cada columna numérica
for i, column in enumerate(numeric_columns):
dataset[column].hist(ax=axes[i], bins=20)
axes[i].set_title(column)
axes[i].set_xlabel('Valor')
axes[i].set_ylabel('Frecuencia')
# Eliminar subplots vacíos
for j in range(i + 1, len(axes)):
fig.delaxes(axes[j])
# Ajustar el espaciado entre los subplots
plt.tight_layout(rect=[0, 0, 1, 0.96])
plt.suptitle("Distribución de variables numéricas", fontsize=16)
plt.show()
def plot_correlation_matrix(dataset):
"""
Genera una matriz de correlación para las columnas numéricas del dataset.
Parámetros:
dataset (DataFrame): El dataset a analizar.
"""
# Seleccionar solo las columnas numéricas
numeric_data = dataset.select_dtypes(include=['number'])
plt.figure(figsize=(15, 12)) # Ajusta el tamaño para que sea más grande
sns.heatmap(numeric_data.corr(), annot=True, cmap='coolwarm', fmt=".2f", square=True, annot_kws={"size": 6})
plt.title("Matriz de correlación ajustada")
plt.xticks(rotation=45, ha='right', fontsize=8)
plt.yticks(fontsize=8)
plt.show()
def plot_boxplots_and_detect_outliers(dataset):
"""
Genera un boxplot para cada variable numérica en el dataset e imprime los datos atípicos.
Parámetros:
dataset (DataFrame): El dataset que contiene las variables numéricas a analizar.
Retorna:
outliers_dict (dict): Un diccionario que contiene los valores atípicos por columna.
"""
# Seleccionar solo las columnas numéricas
numeric_columns = dataset.select_dtypes(include=['number']).columns
outliers_dict = {}
# Crear un gráfico boxplot para cada variable numérica
plt.figure(figsize=(15, 5 * len(numeric_columns)))
for i, column in enumerate(numeric_columns, 1):
plt.subplot(len(numeric_columns), 1, i)
sns.boxplot(x=dataset[column])
plt.title(f'Boxplot de {column}')
# Calcular el rango intercuartílico (IQR) para detectar outliers
Q1 = dataset[column].quantile(0.25)
Q3 = dataset[column].quantile(0.75)
IQR = Q3 - Q1
lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR
# Identificar valores atípicos
outliers = dataset[(dataset[column] < lower_bound) | (dataset[column] > upper_bound)][column]
outliers_dict[column] = outliers.values
# Mostrar la cantidad de datos atípicos
print(f"{column} - Datos atípicos detectados: {len(outliers)}")
if len(outliers) > 0:
print(f"Valores atípicos: {outliers.values}\n")
# Ajustar el espaciado entre los subplots
plt.tight_layout()
plt.show()
return outliers_dict
Funciones para el análisis de cálidad.¶
In [5]:
def check_completeness(dataset):
"""
Calcula el porcentaje de valores faltantes en cada columna y genera un gráfico de barras.
Parámetros:
dataset (DataFrame): El dataset a analizar.
Retorna:
missing_data (DataFrame): Un DataFrame con el número y porcentaje de valores faltantes por columna.
"""
# Calcular valores faltantes
missing_values = dataset.isnull().sum()
missing_percentage = (missing_values / len(dataset)) * 100
missing_data = pd.DataFrame({'Valores faltantes': missing_values, 'Porcentaje (%)': missing_percentage})
# Filtrar columnas con valores faltantes
missing_data = missing_data[missing_data['Valores faltantes'] > 0].sort_values(by='Porcentaje (%)', ascending=False)
# Mostrar tabla de valores faltantes
print("Completitud: Valores Faltantes")
print(missing_data)
# Graficar los valores faltantes
plt.figure(figsize=(10, 6))
missing_data['Porcentaje (%)'].plot(kind='bar')
plt.title("Porcentaje de Valores Faltantes por Columna")
plt.xlabel("Columnas")
plt.ylabel("Porcentaje de Valores Faltantes (%)")
plt.xticks(rotation=45, ha='right')
plt.show()
return missing_data
def check_uniqueness(dataset):
"""
Detecta duplicados en el dataset, muestra el número y porcentaje de registros duplicados
y devuelve los registros duplicados para su inspección.
Parámetros:
dataset (DataFrame): El dataset a analizar.
Retorna:
duplicate_info (dict): Diccionario con el número y porcentaje de duplicados, y los registros duplicados.
"""
# Detección de duplicados
duplicate_count = dataset.duplicated().sum()
duplicate_percentage = (duplicate_count / len(dataset)) * 100
duplicates = dataset[dataset.duplicated(keep=False)] # Mantiene todas las filas duplicadas
# Almacenar la información de duplicados
duplicate_info = {
'Número de duplicados': duplicate_count,
'Porcentaje de duplicados (%)': duplicate_percentage,
'Registros duplicados': duplicates
}
# Mostrar resultados
print("Unicidad: Detección de Duplicados")
print(f"Número de duplicados: {duplicate_count}")
print(f"Porcentaje de duplicados: {duplicate_percentage:.2f}%")
if duplicate_count > 0:
print("\nRegistros duplicados (primeras 5 filas):")
print(duplicates.head()) # Muestra solo las primeras 5 filas de duplicados para evitar imprimir demasiado
return duplicate_info
def check_consistency(dataset, expected_dtypes=None):
"""
Verifica si los tipos de datos de cada columna en el dataset coinciden con los tipos esperados.
Parámetros:
dataset (DataFrame): El dataset a analizar.
expected_dtypes (dict): Opcional. Diccionario con los tipos de datos esperados para cada columna.
Ejemplo: {'FECHA_NACM': 'datetime64[ns]', 'SEXO': 'object'}
Retorna:
inconsistencies (dict): Diccionario con inconsistencias encontradas en tipos de datos.
"""
inconsistencies = {}
# Si no se proporcionan tipos esperados, detectarlos automáticamente en función del contenido
if expected_dtypes is None:
expected_dtypes = {}
for col in dataset.columns:
# Detectar si el contenido sugiere un tipo de dato específico
if pd.api.types.is_datetime64_any_dtype(dataset[col]):
expected_dtypes[col] = 'datetime64[ns]'
elif pd.api.types.is_numeric_dtype(dataset[col]):
expected_dtypes[col] = 'float64' if dataset[col].dtype == 'float' else 'int64'
elif pd.api.types.is_categorical_dtype(dataset[col]):
expected_dtypes[col] = 'category'
else:
expected_dtypes[col] = 'object'
# Comparar los tipos de datos actuales con los esperados
for col, expected_type in expected_dtypes.items():
actual_type = dataset[col].dtype
if actual_type != expected_type:
inconsistencies[col] = {
'Tipo actual': actual_type,
'Tipo esperado': expected_type
}
print(f"Inconsistencia en '{col}': Tipo actual - {actual_type}, Tipo esperado - {expected_type}")
if not inconsistencies:
print("Todos los tipos de datos son consistentes con los esperados.")
return inconsistencies
def check_validity_auto(dataset):
"""
Verifica la validez de los datos comparando los valores con rangos automáticos para columnas numéricas
y categorías válidas detectadas automáticamente para columnas categóricas.
Parámetros:
dataset (DataFrame): El dataset a analizar.
Retorna:
validity_issues (dict): Diccionario con los valores fuera de rango o no válidos para cada variable.
"""
validity_issues = {}
# Verificación automática de variables numéricas
numeric_columns = dataset.select_dtypes(include=['number']).columns
for col in numeric_columns:
Q1 = dataset[col].quantile(0.25)
Q3 = dataset[col].quantile(0.75)
IQR = Q3 - Q1
lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR
# Detectar valores fuera de rango
out_of_range = dataset[(dataset[col] < lower_bound) | (dataset[col] > upper_bound)][col]
if not out_of_range.empty:
validity_issues[col] = {
'Valores fuera de rango': out_of_range,
'Rango detectado': (lower_bound, upper_bound)
}
print(f"{col} - Valores fuera de rango detectados: {len(out_of_range)}")
print(f"Rango válido detectado: ({lower_bound}, {upper_bound})")
print(f"Valores fuera de rango: {out_of_range.unique()}\n")
# Verificación automática de variables categóricas
categorical_columns = dataset.select_dtypes(include=['object', 'category']).columns
for col in categorical_columns:
valid_values = dataset[col].dropna().unique() # Detecta los valores únicos como válidos
invalid_values = dataset[~dataset[col].isin(valid_values)][col]
if not invalid_values.empty:
validity_issues[col] = {
'Valores no válidos': invalid_values,
'Valores válidos detectados': valid_values
}
print(f"{col} - Valores no válidos detectados: {len(invalid_values)}")
print(f"Valores válidos detectados: {valid_values}")
print(f"Valores no válidos: {invalid_values.unique()}\n")
return validity_issues
Cargar datos.¶
In [5]:
# Cargar datos de nacimientos
nac2017_data = pd.read_csv('./data/nac2017.csv', encoding='latin1')
nac2018_data = pd.read_csv('./data/nac2018.csv', encoding='latin1')
nac2021_data = pd.read_csv('./data/nac2021.csv', encoding='latin1')
nac2022_data = pd.read_csv('./data/nac2022.csv', encoding='latin1')
# Cargar la tabla de referencia (asegúrate de reemplazar 'ruta/tabla_referencia.csv' con la ruta correcta)
ciudades_cod = pd.read_csv('./data/ciudades.csv', delimiter=';')
# Cargar datos de temperatura, presión y humedad
temp_data_df = pd.read_csv("./data/temp_data.csv") # Dataset de temperatura
pres_data_df = pd.read_csv("./data/pres_data.csv") # Dataset de presión
hum_data_df = pd.read_csv("./data/hum_data.csv") # Dataset de humedad
# Cargar datos de hospitales
hospitales_df = pd.read_csv("./data/servsal_dpto.csv", encoding='utf-8-sig')
instituciones_df = pd.read_csv("./data/instituciones_de_salud_en_colombia.csv", encoding='utf-8-sig')
C:\Users\PC2\AppData\Local\Temp\ipykernel_7124\3546376632.py:5: DtypeWarning: Columns (4) have mixed types. Specify dtype option on import or set low_memory=False.
nac2022_data = pd.read_csv('./data/nac2022.csv', encoding='latin1')
In [6]:
resHosp = pd.read_csv("./data/resps.csv", encoding='utf-8-sig')
C:\Users\PC2\AppData\Local\Temp\ipykernel_7124\58514961.py:1: DtypeWarning: Columns (0,2) have mixed types. Specify dtype option on import or set low_memory=False.
resHosp = pd.read_csv("./data/resps.csv", encoding='utf-8-sig')
Descripción de las Columnas¶
Las principales variables contenidas en este dataset y sus interpretaciones se describen a continuación:
Localización geográfica:
COD_DPTO: Código del departamento donde ocurrió el nacimiento.COD_MUNIC: Código del municipio de nacimiento.AREA_RES: Área de residencia (urbana o rural) del neonato.
Características del nacimiento:
AREANAC: Área de ocurrencia del nacimiento (urbana o rural).SIT_PARTO: Lugar donde se llevó a cabo el parto.OTRO_SIT: Opción adicional para especificar otros lugares de parto no contemplados enSIT_PARTO.TIPO_PARTO: Tipo de parto (e.g., natural, cesárea).MUL_PARTO: Número de neonatos en el parto (simple o múltiple).APGAR1yAPGAR2: Puntuaciones APGAR en el primer y quinto minuto, indicando la salud del recién nacido.ATEN_PAR: Persona o entidad que atendió el parto.PROFESION: Profesión del que certifica el nacimiento.
Características del neonato:
SEXO: Sexo del neonato.PESO_NAC: Peso al nacer del bebé.TALLA_NAC: Talla del neonato al momento de nacer.T_GES: Edad gestacional en semanas.T_GES_AGRU_CIE: Edad gestacional agrupada en categorías según la clasificación CIE.
Información de salud y condiciones perinatales:
IDHEMOCLAS: Hemoclasificación del nacido vivo (Clasificación Sanguínea).Inac2017_dataACTORRH: Factor RH del neonato.IDPERTET: De acuerdo con la cultura, pueblo o rasgos físicos, el nacido vivo es reconocido por sus padres como.NUMCONSUL: Número de consultas prenatales recibidas durante el embarazo.
Datos de la madre:
EDAD_MADRE: Edad de la madre al momento del nacimiento.EST_CIVM: Estado civil de la madre.NIV_EDUM: Nivel educativo alcanzado por la madre.ULTCURMAD: Último año o grado aprobado por la madre.FECHA_NACM: Fecha de nacimiento del anterior hijo nacido vivo.N_HIJOSV: Número de hijos vivos al que ha tenido la madre incluyendo el presente.SEG_SOCIAL: Cobertura de seguridad social de la madre.IDCLASADMI: Clasificación administrativa de salud según el régimen al que pertenece la madre.
Datos del padre:
EDAD_PADRE: Edad del padre al momento del nacimiento.NIV_EDUP: Nivel educativo alcanzado por el padre.ULTCURPAD: Último año o grado aprobado por el padre.
Otras variables:
ANOyMES: Año y mes del nacimiento.CODPRES: Código de prestador de salud.CODPTOREyCODMUNRE: Departamento y municipio de residencia del recién nacido.
Notas Adicionales¶
Este dataset contiene algunos valores nulos en las columnas OTRO_SIT, FECHA_NACM, CODPTORE, CODMUNRE, AREA_RES y IDCLASADMI, los cuales deberán manejarse adecuadamente para asegurar la calidad y consistencia del análisis.
Entendimiento de datos.¶
Entendimiento de los Datos – Perfilamiento y Análisis de Calidad
1. Resumen de la Estructura de los Datos¶
Cada conjunto de datos contiene un número distinto de filas, observándose que los conjuntos de años anteriores tienden a tener un mayor número de filas en comparación con los años recientes, donde la cantidad de registros es menor. Esto podría sugerir una disminución en la recolección de datos o cambios en los métodos de captura a lo largo de los años. En cuanto a la estructura de las columnas:
- En promedio, todos los conjuntos de datos comparten 38 columnas.
- Los conjuntos de datos de los años 2021 y 2022 incluyen una columna adicional denominada
tipo de formulario, que no resulta relevante para el análisis, por lo que se ha decidido no utilizarla en el procesamiento.
2. Tipos de Datos y Variables¶
Los conjuntos de datos presentan variables de varios tipos, como:
- Enteros (
int), para variables numéricas discretas. - Flotantes (
float), para variables continuas. - Objetos (
object), generalmente para variables categóricas. - La distribución de estas variables no sigue una distribución normal en la mayoría de los casos, sino que se observan diferentes patrones de distribución, lo cual debe tenerse en cuenta en el análisis estadístico y la interpretación de resultados.
3. Ausencia de Datos¶
Existen varias columnas que presentan valores ausentes de forma significativa:
- La columna
otro sitio, que representa el lugar de nacimiento, tiene más del 80% de sus datos ausentes en todos los conjuntos de datos. Esta alta ausencia sugiere que es una variable que no se registra consistentemente y, por lo tanto, tiene un valor limitado para el análisis. - La columna
fecha de nacimientose utiliza para identificar si la madre ha tenido un nacimiento previo. Al igual que la columna anterior, esta variable tiene una cantidad considerable de valores ausentes. - La variable
profesión del asistente del partotambién tiene valores ausentes, aunque en menor proporción, por debajo del 10%. Esto podría ser relevante para el análisis si se decide estudiar el impacto del tipo de asistencia en el nacimiento. - La variable
idclasdmi, que se refiere al lugar donde se atendió el parto, también presenta valores ausentes de manera constante en los distintos conjuntos de datos.
4. Calidad de los Datos¶
- Incompletitud de Columnas: No todas las columnas están completas, lo que afecta la consistencia del análisis. Esta incompletitud es particularmente notable en las variables mencionadas anteriormente.
- Tipos Incorrectos: Existen algunas columnas con tipos de datos incorrectos que deben ser corregidos para asegurar un procesamiento adecuado.
- Distribución de las Variables: La mayoría de las variables no siguen una distribución normal, lo que indica que los métodos de análisis estadístico deben adaptarse a esta particularidad.
- Valores Atípicos (Outliers): Se identificaron valores atípicos en algunas variables, pero se optó por no eliminarlos para no comprometer la integridad de la información. Estos valores atípicos aportan información relevante para el contexto del análisis y podrían ser indicativos de situaciones excepcionales en el conjunto de datos.
5. Duplicados¶
Se detectaron datos duplicados en cada uno de los conjuntos de datos. En este caso particular, estos duplicados no aportan valor adicional al análisis, por lo que se decidió eliminarlos. Los registros duplicados representan menos del 5% de cada conjunto de datos, lo cual minimiza el impacto de esta eliminación en la calidad general de los datos.
6. Correlaciones entre Variables¶
Se observaron correlaciones significativas entre ciertas variables, las cuales pueden variar dependiendo del conjunto de datos específico. Algunas de las correlaciones identificadas son:
- Entre
Apgar1yApgar2, que están relacionados con la evaluación inicial de la salud del recién nacido. - Entre
número de consultasysitio de parto, sugiriendo que el lugar de nacimiento puede influir en la cantidad de consultas registradas. - Estas correlaciones aportan valor analítico, ya que pueden revelar patrones que se reflejan en cada año de datos y permiten identificar relaciones consistentes entre variables.
7. Codificación de Variables Numéricas¶
Todos los conjuntos de datos comparten un formato de codificación en variables numéricas, lo cual es beneficioso en términos de eficiencia y compatibilidad técnica. Sin embargo, esta codificación podría dificultar la interpretación de los datos, especialmente para usuarios que necesiten entender el contenido para la creación de tableros de control o visualización de datos en herramientas de BI como Power BI o Tableau. En estos casos, sería recomendable incluir una fase de mapeo para convertir los valores numéricos en categorías legibles que faciliten la interpretación.
Nacimientos año 2017¶
In [7]:
nac2017_data.shape
Out[7]:
(656704, 38)
In [8]:
nac2017_data.head()
Out[8]:
| COD_DPTO | COD_MUNIC | AREANAC | SIT_PARTO | OTRO_SIT | SEXO | PESO_NAC | TALLA_NAC | ANO | MES | ... | AREA_RES | N_HIJOSV | FECHA_NACM | N_EMB | SEG_SOCIAL | IDCLASADMI | EDAD_PADRE | NIV_EDUP | ULTCURPAD | PROFESION | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 8 | 1 | 1 | 1 | NaN | 2 | 6 | 5 | 2017 | 1 | ... | 1.0 | 2 | 27/09/2004 | 2 | 1 | 1.0 | 26 | 4 | 11 | 1 |
| 1 | 23 | 1 | 1 | 1 | NaN | 1 | 5 | 5 | 2017 | 1 | ... | 2.0 | 1 | NaN | 1 | 2 | 2.0 | 32 | 2 | 5 | 1 |
| 2 | 11 | 1 | 1 | 1 | NaN | 1 | 6 | 5 | 2017 | 1 | ... | 1.0 | 2 | 18/09/2013 | 2 | 1 | 1.0 | 27 | 3 | 9 | 1 |
| 3 | 52 | 1 | 1 | 1 | NaN | 2 | 5 | 4 | 2017 | 1 | ... | 3.0 | 2 | 03/07/2000 | 2 | 2 | 2.0 | 26 | 2 | 5 | 1 |
| 4 | 63 | 1 | 1 | 1 | NaN | 1 | 7 | 5 | 2017 | 1 | ... | 1.0 | 1 | NaN | 1 | 1 | 1.0 | 36 | 4 | 11 | 1 |
5 rows × 38 columns
In [9]:
nac2017_data.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 656704 entries, 0 to 656703 Data columns (total 38 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 COD_DPTO 656704 non-null int64 1 COD_MUNIC 656704 non-null int64 2 AREANAC 656704 non-null int64 3 SIT_PARTO 656704 non-null int64 4 OTRO_SIT 949 non-null object 5 SEXO 656704 non-null int64 6 PESO_NAC 656704 non-null int64 7 TALLA_NAC 656704 non-null int64 8 ANO 656704 non-null int64 9 MES 656704 non-null int64 10 ATEN_PAR 656704 non-null int64 11 T_GES 656704 non-null int64 12 T_GES_AGRU_CIE 656704 non-null int64 13 NUMCONSUL 656704 non-null int64 14 TIPO_PARTO 656704 non-null int64 15 MUL_PARTO 656704 non-null int64 16 APGAR1 656704 non-null int64 17 APGAR2 656704 non-null int64 18 IDHEMOCLAS 656704 non-null int64 19 IDFACTORRH 656704 non-null int64 20 IDPERTET 656704 non-null int64 21 EDAD_MADRE 656704 non-null int64 22 EST_CIVM 656704 non-null int64 23 NIV_EDUM 656704 non-null int64 24 ULTCURMAD 656704 non-null int64 25 CODPRES 656703 non-null float64 26 CODPTORE 655438 non-null float64 27 CODMUNRE 655437 non-null float64 28 AREA_RES 655508 non-null float64 29 N_HIJOSV 656704 non-null int64 30 FECHA_NACM 343064 non-null object 31 N_EMB 656704 non-null int64 32 SEG_SOCIAL 656704 non-null int64 33 IDCLASADMI 639202 non-null float64 34 EDAD_PADRE 656704 non-null int64 35 NIV_EDUP 656704 non-null int64 36 ULTCURPAD 656704 non-null int64 37 PROFESION 656704 non-null int64 dtypes: float64(5), int64(31), object(2) memory usage: 190.4+ MB
In [10]:
nac2017_data.describe()
Out[10]:
| COD_DPTO | COD_MUNIC | AREANAC | SIT_PARTO | SEXO | PESO_NAC | TALLA_NAC | ANO | MES | ATEN_PAR | ... | CODMUNRE | AREA_RES | N_HIJOSV | N_EMB | SEG_SOCIAL | IDCLASADMI | EDAD_PADRE | NIV_EDUP | ULTCURPAD | PROFESION | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| count | 656704.000000 | 656704.000000 | 656704.000000 | 656704.000000 | 656704.000000 | 656704.000000 | 656704.000000 | 656704.0 | 656704.000000 | 656704.000000 | ... | 655437.000000 | 655508.000000 | 656704.000000 | 656704.000000 | 656704.000000 | 639202.000000 | 656704.000000 | 656704.000000 | 656704.000000 | 656704.000000 |
| mean | 33.370184 | 151.646415 | 1.018992 | 1.013041 | 1.487618 | 5.748814 | 4.589672 | 2017.0 | 6.616829 | 1.043828 | ... | 234.506043 | 1.351126 | 1.893667 | 2.063118 | 1.696131 | 1.655408 | 58.025043 | 14.798865 | 19.205003 | 1.016883 |
| std | 26.598225 | 253.341825 | 0.188827 | 0.139733 | 0.500130 | 1.072582 | 0.573479 | 0.0 | 3.423791 | 0.433671 | ... | 292.594517 | 0.716393 | 1.839017 | 2.029092 | 0.769390 | 0.732162 | 164.265630 | 29.365526 | 30.399744 | 0.241631 |
| min | 5.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 2017.0 | 1.000000 | 1.000000 | ... | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 13.000000 | 1.000000 | 0.000000 | 1.000000 |
| 25% | 11.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 5.000000 | 4.000000 | 2017.0 | 4.000000 | 1.000000 | ... | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 24.000000 | 3.000000 | 5.000000 | 1.000000 |
| 50% | 20.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 6.000000 | 5.000000 | 2017.0 | 7.000000 | 1.000000 | ... | 50.000000 | 1.000000 | 2.000000 | 2.000000 | 2.000000 | 2.000000 | 29.000000 | 4.000000 | 9.000000 | 1.000000 |
| 75% | 54.000000 | 265.000000 | 1.000000 | 1.000000 | 2.000000 | 6.000000 | 5.000000 | 2017.0 | 10.000000 | 1.000000 | ... | 450.000000 | 1.000000 | 2.000000 | 3.000000 | 2.000000 | 2.000000 | 35.000000 | 8.000000 | 11.000000 | 1.000000 |
| max | 99.000000 | 980.000000 | 9.000000 | 9.000000 | 3.000000 | 9.000000 | 9.000000 | 2017.0 | 12.000000 | 9.000000 | ... | 980.000000 | 9.000000 | 99.000000 | 99.000000 | 9.000000 | 9.000000 | 999.000000 | 99.000000 | 99.000000 | 9.000000 |
8 rows × 36 columns
In [11]:
plot_numeric_distributions(nac2017_data)
In [12]:
plot_top_categories(nac2017_data, 'OTRO_SIT')
plot_top_categories(nac2017_data, 'FECHA_NACM')
In [13]:
plot_boxplots_and_detect_outliers(nac2017_data)
COD_DPTO - Datos atípicos detectados: 0 COD_MUNIC - Datos atípicos detectados: 50640 Valores atípicos: [797 834 758 ... 664 736 664] AREANAC - Datos atípicos detectados: 7512 Valores atípicos: [3 3 3 ... 3 2 3] SIT_PARTO - Datos atípicos detectados: 7303 Valores atípicos: [3 2 2 ... 2 2 2] SEXO - Datos atípicos detectados: 0 PESO_NAC - Datos atípicos detectados: 39444 Valores atípicos: [1 8 2 ... 2 3 8] TALLA_NAC - Datos atípicos detectados: 2527 Valores atípicos: [1 2 2 ... 9 9 9] ANO - Datos atípicos detectados: 0 MES - Datos atípicos detectados: 0 ATEN_PAR - Datos atípicos detectados: 7120 Valores atípicos: [5 6 6 ... 2 5 6] T_GES - Datos atípicos detectados: 135824 Valores atípicos: [3 3 3 ... 3 3 3] T_GES_AGRU_CIE - Datos atípicos detectados: 65249 Valores atípicos: [2 3 3 ... 3 3 3] NUMCONSUL - Datos atípicos detectados: 26824 Valores atípicos: [15 15 0 ... 13 0 0] TIPO_PARTO - Datos atípicos detectados: 175 Valores atípicos: [4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 4 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 4 9 4 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 4 4 4] MUL_PARTO - Datos atípicos detectados: 11435 Valores atípicos: [2 2 2 ... 2 2 2] APGAR1 - Datos atípicos detectados: 28549 Valores atípicos: [ 6 6 1 ... 5 99 99] APGAR2 - Datos atípicos detectados: 17319 Valores atípicos: [ 6 3 99 ... 7 99 99] IDHEMOCLAS - Datos atípicos detectados: 10936 Valores atípicos: [9 9 9 ... 9 9 9] IDFACTORRH - Datos atípicos detectados: 39747 Valores atípicos: [2 2 2 ... 2 2 2] IDPERTET - Datos atípicos detectados: 50285 Valores atípicos: [5 1 1 ... 5 1 5] EDAD_MADRE - Datos atípicos detectados: 227 Valores atípicos: [ 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 9 9 9 9 9 9] EST_CIVM - Datos atípicos detectados: 0 NIV_EDUM - Datos atípicos detectados: 23282 Valores atípicos: [99 99 99 ... 99 99 99] ULTCURMAD - Datos atípicos detectados: 31249 Valores atípicos: [99 99 99 ... 99 99 99] CODPRES - Datos atípicos detectados: 1195 Valores atípicos: [ 76. 174. 862. ... 862. 862. 862.] CODPTORE - Datos atípicos detectados: 0 CODMUNRE - Datos atípicos detectados: 0 AREA_RES - Datos atípicos detectados: 139802 Valores atípicos: [2. 3. 3. ... 3. 3. 3.] N_HIJOSV - Datos atípicos detectados: 51143 Valores atípicos: [4 4 6 ... 7 4 5] N_EMB - Datos atípicos detectados: 8446 Valores atípicos: [7 7 7 ... 7 7 7] SEG_SOCIAL - Datos atípicos detectados: 17859 Valores atípicos: [5 5 5 ... 5 5 5] IDCLASADMI - Datos atípicos detectados: 16189 Valores atípicos: [5. 5. 5. ... 5. 5. 5.] EDAD_PADRE - Datos atípicos detectados: 26207 Valores atípicos: [999 999 999 ... 999 999 999] NIV_EDUP - Datos atípicos detectados: 70785 Valores atípicos: [99 99 99 ... 99 99 99] ULTCURPAD - Datos atípicos detectados: 82502 Valores atípicos: [99 99 99 ... 99 99 99] PROFESION - Datos atípicos detectados: 3524 Valores atípicos: [4 2 3 ... 4 3 3]
Out[13]:
{'COD_DPTO': array([], dtype=int64),
'COD_MUNIC': array([797, 834, 758, ..., 664, 736, 664], dtype=int64),
'AREANAC': array([3, 3, 3, ..., 3, 2, 3], dtype=int64),
'SIT_PARTO': array([3, 2, 2, ..., 2, 2, 2], dtype=int64),
'SEXO': array([], dtype=int64),
'PESO_NAC': array([1, 8, 2, ..., 2, 3, 8], dtype=int64),
'TALLA_NAC': array([1, 2, 2, ..., 9, 9, 9], dtype=int64),
'ANO': array([], dtype=int64),
'MES': array([], dtype=int64),
'ATEN_PAR': array([5, 6, 6, ..., 2, 5, 6], dtype=int64),
'T_GES': array([3, 3, 3, ..., 3, 3, 3], dtype=int64),
'T_GES_AGRU_CIE': array([2, 3, 3, ..., 3, 3, 3], dtype=int64),
'NUMCONSUL': array([15, 15, 0, ..., 13, 0, 0], dtype=int64),
'TIPO_PARTO': array([4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 4, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 4, 9, 4, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 4, 4, 4],
dtype=int64),
'MUL_PARTO': array([2, 2, 2, ..., 2, 2, 2], dtype=int64),
'APGAR1': array([ 6, 6, 1, ..., 5, 99, 99], dtype=int64),
'APGAR2': array([ 6, 3, 99, ..., 7, 99, 99], dtype=int64),
'IDHEMOCLAS': array([9, 9, 9, ..., 9, 9, 9], dtype=int64),
'IDFACTORRH': array([2, 2, 2, ..., 2, 2, 2], dtype=int64),
'IDPERTET': array([5, 1, 1, ..., 5, 1, 5], dtype=int64),
'EDAD_MADRE': array([ 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
9, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 9, 99, 99, 99, 99, 99, 99, 99, 99, 99, 9,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 9,
9, 9, 9, 9, 9, 9], dtype=int64),
'EST_CIVM': array([], dtype=int64),
'NIV_EDUM': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'ULTCURMAD': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'CODPRES': array([ 76., 174., 862., ..., 862., 862., 862.]),
'CODPTORE': array([], dtype=float64),
'CODMUNRE': array([], dtype=float64),
'AREA_RES': array([2., 3., 3., ..., 3., 3., 3.]),
'N_HIJOSV': array([4, 4, 6, ..., 7, 4, 5], dtype=int64),
'N_EMB': array([7, 7, 7, ..., 7, 7, 7], dtype=int64),
'SEG_SOCIAL': array([5, 5, 5, ..., 5, 5, 5], dtype=int64),
'IDCLASADMI': array([5., 5., 5., ..., 5., 5., 5.]),
'EDAD_PADRE': array([999, 999, 999, ..., 999, 999, 999], dtype=int64),
'NIV_EDUP': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'ULTCURPAD': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'PROFESION': array([4, 2, 3, ..., 4, 3, 3], dtype=int64)}
In [14]:
plot_correlation_matrix(nac2017_data)
Análisis de cálidad de los datos.
In [15]:
missing_data17 = check_completeness(nac2017_data)
Completitud: Valores Faltantes
Valores faltantes Porcentaje (%)
OTRO_SIT 655755 99.855490
FECHA_NACM 313640 47.759721
IDCLASADMI 17502 2.665128
CODMUNRE 1267 0.192933
CODPTORE 1266 0.192781
AREA_RES 1196 0.182122
CODPRES 1 0.000152
In [16]:
duplicate_info17 = check_uniqueness(nac2017_data)
Unicidad: Detección de Duplicados
Número de duplicados: 2020
Porcentaje de duplicados: 0.31%
Registros duplicados (primeras 5 filas):
COD_DPTO COD_MUNIC AREANAC SIT_PARTO OTRO_SIT SEXO PESO_NAC \
55 8 1 1 1 NaN 1 5
59 8 1 1 1 NaN 2 5
63 8 1 1 1 NaN 1 6
370 8 1 1 1 NaN 1 5
815 8 1 1 1 NaN 2 5
TALLA_NAC ANO MES ... AREA_RES N_HIJOSV FECHA_NACM N_EMB \
55 5 2017 1 ... 1.0 1 NaN 1
59 4 2017 1 ... 1.0 1 NaN 1
63 5 2017 1 ... 1.0 1 NaN 1
370 4 2017 3 ... 1.0 1 NaN 1
815 5 2017 1 ... 1.0 1 NaN 1
SEG_SOCIAL IDCLASADMI EDAD_PADRE NIV_EDUP ULTCURPAD PROFESION
55 2 2.0 999 99 99 1
59 2 2.0 999 99 99 1
63 2 2.0 999 99 99 1
370 2 2.0 999 99 99 1
815 2 2.0 999 99 99 1
[5 rows x 38 columns]
In [17]:
validity_issues17 = check_validity_auto(nac2017_data)
COD_MUNIC - Valores fuera de rango detectados: 50640 Rango válido detectado: (-395.0, 661.0) Valores fuera de rango: [797 834 758 858 887 837 843 847 785 682 755 698 835 754 688 865 736 892 759 890 662 708 861 789 838 665 753 810 895 678 686 679 871 718 674 680 773 874 770 899 832 807 687 672 873 814 821 743 670 872 667 787 689 885 690 756 744 710 742 815 675 877 696 745 878 893 836 668 713 780 794 757 673 799 699 883 819 824 875 855 772 790 823 777 870 685 820 671 711 788 692 854 664 761 683 842 898 720 851 801 828 676 763 760 809 750 717 791 703 798 707 666 800 681 684 980 960 867 863 663 862 845 771 849 856 792 869 822 702 693 860 669 816 697 793 786 886 776 701 804 841 839 705 889 769 894 740 884 774 817 778 888] AREANAC - Valores fuera de rango detectados: 7512 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [3 2 9] SIT_PARTO - Valores fuera de rango detectados: 7303 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [3 2 9] PESO_NAC - Valores fuera de rango detectados: 39444 Rango válido detectado: (3.5, 7.5) Valores fuera de rango: [1 8 2 3 9] TALLA_NAC - Valores fuera de rango detectados: 2527 Rango válido detectado: (2.5, 6.5) Valores fuera de rango: [1 2 9] ATEN_PAR - Valores fuera de rango detectados: 7120 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [5 6 2 3 4 9] T_GES - Valores fuera de rango detectados: 135824 Rango válido detectado: (4.0, 4.0) Valores fuera de rango: [3 2 5 1 6 9] T_GES_AGRU_CIE - Valores fuera de rango detectados: 65249 Rango válido detectado: (4.0, 4.0) Valores fuera de rango: [2 3 5 1 6 9] NUMCONSUL - Valores fuera de rango detectados: 26824 Rango válido detectado: (0.5, 12.5) Valores fuera de rango: [15 0 14 13 16 20 17 99 22 18 19 21 24 25 23] TIPO_PARTO - Valores fuera de rango detectados: 175 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [4 9] MUL_PARTO - Valores fuera de rango detectados: 11435 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 3 4 9] APGAR1 - Valores fuera de rango detectados: 28549 Rango válido detectado: (6.5, 10.5) Valores fuera de rango: [ 6 1 99 4 2 5 3] APGAR2 - Valores fuera de rango detectados: 17319 Rango válido detectado: (7.5, 11.5) Valores fuera de rango: [ 6 3 99 5 4 7 1 2] IDHEMOCLAS - Valores fuera de rango detectados: 10936 Rango válido detectado: (0.5, 4.5) Valores fuera de rango: [9] IDFACTORRH - Valores fuera de rango detectados: 39747 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 9] IDPERTET - Valores fuera de rango detectados: 50285 Rango válido detectado: (6.0, 6.0) Valores fuera de rango: [5 1 3 4 2 9] EDAD_MADRE - Valores fuera de rango detectados: 227 Rango válido detectado: (0.0, 8.0) Valores fuera de rango: [ 9 99] NIV_EDUM - Valores fuera de rango detectados: 23282 Rango válido detectado: (-3.0, 13.0) Valores fuera de rango: [99] ULTCURMAD - Valores fuera de rango detectados: 31249 Rango válido detectado: (-4.0, 20.0) Valores fuera de rango: [99] CODPRES - Valores fuera de rango detectados: 1195 Rango válido detectado: (170.0, 170.0) Valores fuera de rango: [ 76. 174. 862. 533. 528. 152. 604. 591. 218. 840. 530. 124. 891. 643. 548. 250. 704. 724. 634. 484. 384. 340. 44. 222. 388. 780.] AREA_RES - Valores fuera de rango detectados: 139802 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2. 3. 9.] N_HIJOSV - Valores fuera de rango detectados: 51143 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [ 4 6 5 7 8 9 10 12 11 14 13 99 17 15 16 18] N_EMB - Valores fuera de rango detectados: 8446 Rango válido detectado: (-2.0, 6.0) Valores fuera de rango: [ 7 8 9 10 11 12 14 17 13 99 16 15 19 18 20] SEG_SOCIAL - Valores fuera de rango detectados: 17859 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [5 4 9] IDCLASADMI - Valores fuera de rango detectados: 16189 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [5. 4. 9.] EDAD_PADRE - Valores fuera de rango detectados: 26207 Rango válido detectado: (7.5, 51.5) Valores fuera de rango: [999 58 52 53 62 55 61 54 59 56 69 64 70 65 57 71 60 63 72 67 66 68 74 77 75 78 73 88 76 80 87 86 81 79 100] NIV_EDUP - Valores fuera de rango detectados: 70785 Rango válido detectado: (-4.5, 15.5) Valores fuera de rango: [99] ULTCURPAD - Valores fuera de rango detectados: 82502 Rango válido detectado: (-4.0, 20.0) Valores fuera de rango: [99] PROFESION - Valores fuera de rango detectados: 3524 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [4 2 3 5 9] OTRO_SIT - Valores no válidos detectados: 655755 Valores válidos detectados: ['AMBULANCIA' 'AMBULANCIA EN CARRETERA' 'HOSPITAL ESSE NORTE 3' 'VIA PUBLICA' 'TAXI' 'CARRETERA' 'FINCA' 'VEHICULO' 'carretera' 'AMBULANCIA - CARRETERA VIA PUA' 'verda la nevera' 'consultorio particular' 'RESGUARDO INDIGENA' 'AMBULANCIA EN HOSPITAL SAN RAF' 'CCARRO' 'CARRETERA EN CAMINO AL HOSPITA' 'AMBULANCIA REMISION SANTA ROSA' 'CASA' 'via publica' 'CALLE' 'CARRO' 'VEHICULO PUBLICO' 'EN AMBULANCIA EN CARRETERA DE' 'VEREDA BERLIN' 'VIA FLUVIAL' 'VIA PUBLICA EN AMBULANCIA.' 'AUTOMOVIL' 'DOMICILIO' 'puesto de salud' 'VIA PUBLICA EN LA AMBULANCIA.' 'BASE NAVAL DE COVEÑAS' 'VIA TRES ESQUINAS - CUNDAY' 'ambulancia' 'AMBULANCIA DE TRASLADO' 'PUESTO DE SALUD LA GRANJA' 'PARTERA' 'CARRO DE POLICIA' 'VIA PÚBLICA' 'PTO DE SALUD' 'VDA. CENEGUETA' 'CONDOMINIO LA TERTULIAS' 'IPS CHINACOTA' 'calle' 'PUESTO DE SALUD' 'VIA PUERTO RICO - PUERTO LLERA' 'VEHÌCULO PARTICULAR' 'EN LA VIA' 'EN CARRO' 'VEHICULO PARTICULAR' 'VIA EL VERSO FILADELFIA' 'SALA DE PARTOS' 'BONGO' 'AMBULANCIA LARANDIA' 'Carro' 'CAMPO ABIERTO' 'VIA PUBLICA AMBULANCIA' 'Vereda la Mina' 'EN UN TAXI' 'EN EL TAXI' 'AMBULANCIA VIA SANTUARIO' 'IPS PROFSALUD' 'LANCHA ACUATICA' 'MUNICIPIODE TOATA VDA GUAQUIRA' 'PARADOR ROJO' 'vereda San Gerardo' 'AMBULANCIA EN EL TRASLADO' 'PUESTO DE SALUD DE ORIHUECA' 'AMBULANCIA DE LA TEBAIDA' 'EN UN VEHICULO PARTICULAR' 'AMBULANCIA EN TRASLADO' 'BAGON DE CAMIONETA' 'Vehículo en movimiento' 'CERCA A LA QUEBRADA' 'FUERA DE LA SALA DE PARTOS' 'CASA DE DESCONOCIDA' 'VEREDA APOSENTOS ALTOS' 'RIO MINERO' 'carro particular' 'CORREGIMIENTO DE TENCHE' 'VEREDA' 'IPS MISALUD SIPI' 'LA CAÑADA- VEREDA LOS ASIENTOS' 'PUESTO DE SALUD SANTA RITA' 'CENTRO DE SALUD GUAMALITO' 'BARRANCA-SAN BARTOLO' 'TRABAJO' 'LA CALLE' 'EN SITIO PUBLICO' 'Baño publico' 'VEHICULO EN MOVIMIENTO' 'RANCHERIA' 'AVION' 'CENTRO DE SALUD' 'BAÑO' 'AMBULANCIA LLEGANDO A PEREIRA' 'LA UNION' 'CENTRO DE SALUD LAS CHANGAS' 'RANCHERIA ATAMANA' 'TAXI VEHICULO' 'CLINICA PROSALUD' 'COOPERATIVA DE SALUD SAN ESTEB' 'BUS' 'VEREDAA ABEJALES' 'BOTE - VEREDA VILLA FLOR' 'VEREDA DESCONOCIDO.' 'SIACHOQUE' 'taxi' '4' 'COMUNIDAD' 'ALBERGUE SUKURAME' 'carro' 'VIA PUBLICA' 'CENTRO DE SALUD DE TOTA' 'UNA PANADERIA' 'TAXIS' 'CONSULTORIO SERVIMEDICOS' 'VEREDA LA PLATA' 'via publica dentro de un vehic' 'LOCAL COMERCIAL' 'VEHICULO TRANSPORTE' 'PUESTO DE SALUD SAN ISIDRO DE' 'EN CARRO EN EL CUAL SE MOVILIZ' 'PUEPUESTO DE SALUD DE ORIHUECA' 'CENTRO DE SALUD OCHALI' 'casa de habitacion' 'EN LA CASA' 'AMBULANCIA TRASLADO CARRETERA' 'CENTRO DE SALUD CHARCO LARGO L' 'VEHICULO ANDANTE' 'canoa' 'CAMINO VEREDA LA CAPILLA' 'vehiculo' 'EN TAXI' 'vehiculo particular' 'CAMU TIERRADENTRO' 'USAI LA COLORADA' 'VIA PLANETA RICA' 'VEREDA LA TRINIDAD CASA VECINA' 'VIA PUBLICA.' 'FLORIDABLANCA' 'HOSPITAL' 'CASA FAMILIAR' 'via pública' 'carretera el cairo santabarbar' 'Calle' 'SECTOR LA SELVA EN LA AMBULAN' 'EN UN BUS' 'POTRERO' 'VEHICULO AUTOMOTOR' 'VEREDA YEGUERA' 'PANGA' 'CARRETERA-AMBULANCIA' 'AMBULANCIA VIA PANAMERICANA' 'TRANSPORTE FLUVIAL CANOA' 'puesto de salud patevaca yacop' 'GUARAPERIA LOCAL' 'DOMICILIO VEREDA SESTEADERO' 'PUESTO SALUD' 'Vehiculo durante el traslado' 'TASCO VEREDA CANELAS' 'AMBULANCIA DE LA INSTITUCION' 'LA AMBULANCIA' 'VEREDA LA PALMERA EN AMBULANCI' 'AMBULANCIA INSTITUCIONAL' 'VERERDA ARRAYANES' 'PUESTO DE SALUD DE EL UNILLA' 'EN EL VEHÍCULO AL INGRESO DE L' 'TRANSPORTE' 'PARTO EN AMBULANCIA' 'DESCONOCIDO' 'TRASLADO AMBULANCIA' 'EN LA AMBULANCIA' 'CENTRO DE RECUPERACION NUTRICI' 'casa de partero' 'VEHICULO (TAXI)' 'VIA MARIQUITA A HONDA' 'EL DOMICILIO' 'CABECERA MUNICIPAL DE PAZ DE A' 'PUESTO DE SALUD SANTA ROSA' 'EN CALLE' 'PATRULLA MOVIL' 'PUESTO DE SALUD ORIHUECA' 'CANOA' 'CAFESALUD' 'centro de salud charco largo l' 'CASA DE TERESA' 'EN CANOA- RIO CAQUETA-VEREDA G' 'LANCHA' 'VEREDA CAMPO 23' 'ASOCIACION DE PARTERAS ASOPARU' 'PUESTO DE SALUD RIO FRIO' 'VIA' 'CAMIONETA' 'DURANTE EL TRASLADO' 'VEHÍCULO DE MOTOR' 'AMBULACIA' 'movil 5037 ambulancia' 'PUERTO BELLO CAUCA' 'CAMINO A LA CARRETERA' 'CENTRO DE SALUD BELENDE BAJIRA' 'VIA PUBLICA EN AMBULANCIA' 'CENTRO POBLADO TOQUILLA MUNICI' 'EL CENTRO' 'SERVICIO PUBLICO TAXI' 'VEREDA HATO VIEJO' 'LA CARRETERA' 'CARRETERA QUE CONDUCE AL CORRE' 'AEROPUERTO' 'CARRO - VIA PUBLICA' 'VEHICULO PUBLICO - TAXI' 'EN AMBULANCIA CARRETERA VIA FL' 'VDA MATA DE GUADUA' 'EN LA CALLE' 'CENTRO DE SALUD LA LIBERTAD' 'VIA PUBLICA - TAXI' 'PUESTO DE SALUD EL TIGRE' 'camino' 'AREA RURAL' 'TRANSPORTE PUBLICO - TAXI' 'automovil' 'AMBULANCIA ACUATICA' 'EN EL TAXI LLEGANDO AL HOSPITA' 'CORREGIMIENTO PARRAGA' 'Via de San Vicente de Chucuri' 'ALBERGUE' 'AMBULANCIA BOMBEROS' 'PUERTA DEL HOSPITAL' 'PUESTO DE SALUD PEDREGOSA' 'AMBULANCIA- VIA TARSO - PEÑALI' 'EN AMBULANCIA POR LA VEREDA RI' 'vereda hong kong' 'medio de transporte' 'CASA ABUELA' 'SITIO PUBLICO' 'VÍA PÚBLICA' 'ESTACION DE TRANSPORTE' 'comunidad indigena' 'HOTEL LOS PITUFOS' 'comunidad brisa del mar' 'Vehiculo automotor (Camioneta)' 'CHALUPA' 'VEREDA EL CRUCE' 'ORQUIDEA SAN LUIS DEL TOMO' 'PUESTO SALUD CAÑO MAKU' 'ambulamcia terrestre' 'ESE PRIMER NIVEL' 'LAGOS DEL DORADO' 'EN EL CAMINO' 'EN UNA CANOA VIA AL RIO' 'CLINICA CRECER' 'VIA ZARAGOZA-CAUCASIA' 'FINCA PAISANDU' 'CARRETERA HACIA URRA' 'EN LA VIA- CARRETERA' 'SURINEM UNUMA' 'CLINICA CES' 'MOTOCARRO' 'CENTRO DE SALUD DE BATATA' 'CARCEL' 'rancheria' 'en el vehiculo que la transpor' 'RESIDENCIA SANTANDER' 'VEHÍCULO' 'EN EL AUTOMOVIL' 'SECTOR FINCA LA ALDEA EN AMBUL' 'VEHICULO DE TRANSPORTE PUBLICO' 'via publica (taxi)' 'PUERTO PIZARIO' 'VEREDA PLAYITA CAJAMBRE' 'AMBULANCIA EN IBAGUE' 'VEHICULO DE SERVICIO PUBLICO' 'UN TAXI' 'LA CASA' 'HOSPITAL MENTAL FILANDIA' 'CAMI DE GAITANA' 'AUTOMOTOR' 'VEHICULO DE TRANSPORTE TAXI' 'PATRULLA DE POLICIA' 'SERVICIO PUBLICO-TAXI' 'HOSPITAL AUSTIN CODAZI' 'EXTRAINSTITUCIONAL' 'COMUNIDAD INDIGENA' 'CLINICA ESIMED BUCARAMANGA' 'CENTRO DE SALUD DE SAN PEDRO D' 'AMBULANCIA EN EL PUEBLO DE TIM' 'VEHICULO PUBLICO TAXI' 'HOTEL' 'SERVICIO PUBLICO' 'AMBULANCIA DE LA INSTITUCIÓN E' 'VEREDA SAN PATRICIO' 'EXTRAHOSPITALARIO - VIA LA YOP' 'VARIANTE DE FRESNO' 'AMBULANCIA MOVIL 5117' 'BOTE' 'VIA PUEBLICA' 'CASA DEL CASERIO LIMON' 'ASOCIACION D EPARTERAS ASOPARU' 'casa' 'CASA DE LA PARTERA' 'CASA DE UN VECINO' 'PUESTO DE SALUD PITAL' 'CASA PARTERA' 'AMBULANICIA HOSPITAL SANTA ROS' 'WENANBI' 'SELVA' 'EL RIO' 'RESGUARDO' 'CASA FINCA' 'CASA FAMILIARES' 'VIA ORITO PTO ASIS' 'PATIO' 'RIO' 'PUESTO DE SALUD DE RIO FRIO' 'ASOCIACION DE PARTERAS ASOPAR' 'FUERA DE VIVIENDA' 'EN EL CARRO EN QUE VENIA DESDE' 'CERCA DE LA CASA' 'PATIO DE LA CASA' 'ASOCIACION DE PARTERAS ASOPAR' 'FUERA DE LA CASA' 'ASOCIACION DE PARTERAS ASOAPRU' 'EL DOMICILIO' 'SIN INFORMACIÓN' 'DOMICLIO' 'DISPENSARIO MEDICO DE BUCARAMA' 'ASMET SALUD' 'FUERA VIVIENDA' 'FUERA DE LA VIVIIENDA' 'RASTROJO' 'ASOCAICION DE PARTERAS ASOPARU' 'CAMPO AL AIRE' 'PUESTO DE SALUD SIVERIA' 'CARRETERA VEREDA EL EDEN' 'RESGUARDO REMANZO' 'VIA PUBLICA FLUVIAL' 'TRANSPORTE ACUATICO MEDICALIZA' 'EN UNA CANOA' 'ESTACION METRO' 'VIA PTO. PARRA' 'EN LA CASA DE LA FINCA' 'VEHICULO DE TRANSPORTE' 'EN TRASLADO' 'BUSETA'] Valores no válidos: [nan] FECHA_NACM - Valores no válidos detectados: 313640 Valores válidos detectados: ['27/09/2004' '18/09/2013' '03/07/2000' ... '17/11/1992' '22/06/1992' '29/09/1994'] Valores no válidos: [nan]
In [18]:
incosistences17 = check_consistency(nac2017_data)
Todos los tipos de datos son consistentes con los esperados.
C:\Users\PC2\AppData\Local\Temp\ipykernel_7124\604307692.py:92: DeprecationWarning: is_categorical_dtype is deprecated and will be removed in a future version. Use isinstance(dtype, pd.CategoricalDtype) instead elif pd.api.types.is_categorical_dtype(dataset[col]):
Nacimientos año 2018¶
In [19]:
nac2018_data.shape
Out[19]:
(649115, 38)
In [20]:
nac2018_data.head()
Out[20]:
| COD_DPTO | COD_MUNIC | AREANAC | SIT_PARTO | OTRO_SIT | SEXO | PESO_NAC | TALLA_NAC | ANO | MES | ... | AREA_RES | N_HIJOSV | FECHA_NACM | N_EMB | SEG_SOCIAL | IDCLASADMI | EDAD_PADRE | NIV_EDUP | ULTCURPAD | PROFESION | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 5 | 1 | 1 | 1 | NaN | 1 | 7 | 5 | 2018 | 1 | ... | 1.0 | 2 | 13/08/2014 | 2 | 1 | 1.0 | 30 | 4 | 11 | 1 |
| 1 | 11 | 1 | 1 | 1 | NaN | 1 | 6 | 5 | 2018 | 1 | ... | 1.0 | 1 | NaN | 1 | 1 | 1.0 | 36 | 9 | 5 | 1 |
| 2 | 52 | 1 | 1 | 1 | NaN | 1 | 6 | 5 | 2018 | 1 | ... | 1.0 | 2 | 15/02/2011 | 3 | 2 | 2.0 | 27 | 4 | 11 | 1 |
| 3 | 11 | 1 | 1 | 1 | NaN | 1 | 6 | 5 | 2018 | 1 | ... | 1.0 | 1 | NaN | 2 | 1 | 1.0 | 32 | 9 | 5 | 1 |
| 4 | 50 | 1 | 1 | 1 | NaN | 1 | 5 | 4 | 2018 | 1 | ... | 3.0 | 1 | NaN | 1 | 2 | 2.0 | 21 | 4 | 11 | 1 |
5 rows × 38 columns
In [21]:
nac2018_data.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 649115 entries, 0 to 649114 Data columns (total 38 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 COD_DPTO 649115 non-null int64 1 COD_MUNIC 649115 non-null int64 2 AREANAC 649115 non-null int64 3 SIT_PARTO 649115 non-null int64 4 OTRO_SIT 1828 non-null object 5 SEXO 649115 non-null int64 6 PESO_NAC 649115 non-null int64 7 TALLA_NAC 649115 non-null int64 8 ANO 649115 non-null int64 9 MES 649115 non-null int64 10 ATEN_PAR 649115 non-null int64 11 T_GES 649115 non-null int64 12 T_GES_AGRU_CIE 649115 non-null int64 13 NUMCONSUL 649115 non-null int64 14 TIPO_PARTO 649115 non-null int64 15 MUL_PARTO 649115 non-null int64 16 APGAR1 649115 non-null int64 17 APGAR2 649115 non-null int64 18 IDHEMOCLAS 649115 non-null int64 19 IDFACTORRH 649115 non-null int64 20 IDPERTET 649115 non-null int64 21 EDAD_MADRE 649115 non-null int64 22 EST_CIVM 649115 non-null int64 23 NIV_EDUM 649115 non-null int64 24 ULTCURMAD 649115 non-null int64 25 CODPRES 649115 non-null int64 26 CODPTORE 645024 non-null float64 27 CODMUNRE 645024 non-null float64 28 AREA_RES 645128 non-null float64 29 N_HIJOSV 649115 non-null int64 30 FECHA_NACM 341476 non-null object 31 N_EMB 649115 non-null int64 32 SEG_SOCIAL 649115 non-null int64 33 IDCLASADMI 611937 non-null float64 34 EDAD_PADRE 649115 non-null int64 35 NIV_EDUP 649115 non-null int64 36 ULTCURPAD 649115 non-null int64 37 PROFESION 649115 non-null int64 dtypes: float64(4), int64(32), object(2) memory usage: 188.2+ MB
In [22]:
nac2018_data.describe()
Out[22]:
| COD_DPTO | COD_MUNIC | AREANAC | SIT_PARTO | SEXO | PESO_NAC | TALLA_NAC | ANO | MES | ATEN_PAR | ... | CODMUNRE | AREA_RES | N_HIJOSV | N_EMB | SEG_SOCIAL | IDCLASADMI | EDAD_PADRE | NIV_EDUP | ULTCURPAD | PROFESION | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| count | 649115.000000 | 649115.000000 | 649115.000000 | 649115.000000 | 649115.000000 | 649115.000000 | 649115.000000 | 649115.0 | 649115.000000 | 649115.000000 | ... | 645024.000000 | 645128.000000 | 649115.000000 | 649115.000000 | 649115.000000 | 611937.000000 | 649115.000000 | 649115.000000 | 649115.000000 | 649115.000000 |
| mean | 33.556153 | 155.288598 | 1.027009 | 1.019362 | 1.487505 | 5.753511 | 4.606293 | 2018.0 | 6.624797 | 1.067855 | ... | 238.898125 | 1.362373 | 1.896809 | 2.066732 | 1.812081 | 1.665745 | 52.961193 | 15.140921 | 17.802514 | 1.028433 |
| std | 26.517853 | 255.710369 | 0.220452 | 0.156905 | 0.500066 | 1.093571 | 0.647971 | 0.0 | 3.447090 | 0.537715 | ... | 294.366491 | 0.725760 | 1.250497 | 1.417519 | 0.941423 | 0.712519 | 149.128972 | 29.813059 | 28.953136 | 0.319205 |
| min | 5.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 2018.0 | 1.000000 | 1.000000 | ... | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 13.000000 | 1.000000 | 0.000000 | 1.000000 |
| 25% | 11.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 5.000000 | 4.000000 | 2018.0 | 4.000000 | 1.000000 | ... | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 24.000000 | 3.000000 | 5.000000 | 1.000000 |
| 50% | 23.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 6.000000 | 5.000000 | 2018.0 | 7.000000 | 1.000000 | ... | 60.000000 | 1.000000 | 2.000000 | 2.000000 | 2.000000 | 2.000000 | 29.000000 | 4.000000 | 9.000000 | 1.000000 |
| 75% | 54.000000 | 266.000000 | 1.000000 | 1.000000 | 2.000000 | 6.000000 | 5.000000 | 2018.0 | 10.000000 | 1.000000 | ... | 466.000000 | 1.000000 | 2.000000 | 3.000000 | 2.000000 | 2.000000 | 35.000000 | 8.000000 | 11.000000 | 1.000000 |
| max | 99.000000 | 980.000000 | 3.000000 | 3.000000 | 3.000000 | 9.000000 | 9.000000 | 2018.0 | 12.000000 | 6.000000 | ... | 980.000000 | 9.000000 | 99.000000 | 99.000000 | 9.000000 | 9.000000 | 999.000000 | 99.000000 | 99.000000 | 5.000000 |
8 rows × 36 columns
In [23]:
plot_numeric_distributions(nac2018_data)
In [24]:
plot_top_categories(nac2018_data, 'OTRO_SIT')
plot_top_categories(nac2018_data, 'FECHA_NACM')
In [25]:
plot_boxplots_and_detect_outliers(nac2018_data)
COD_DPTO - Datos atípicos detectados: 0 COD_MUNIC - Datos atípicos detectados: 51142 Valores atípicos: [756 758 821 ... 736 669 834] AREANAC - Datos atípicos detectados: 10288 Valores atípicos: [3 2 2 ... 3 2 2] SIT_PARTO - Datos atípicos detectados: 10740 Valores atípicos: [2 2 2 ... 3 2 2] SEXO - Datos atípicos detectados: 0 PESO_NAC - Datos atípicos detectados: 41404 Valores atípicos: [8 3 1 ... 8 3 8] TALLA_NAC - Datos atípicos detectados: 5518 Valores atípicos: [9 2 2 ... 9 2 9] ANO - Datos atípicos detectados: 0 MES - Datos atípicos detectados: 0 ATEN_PAR - Datos atípicos detectados: 10701 Valores atípicos: [5 4 6 ... 6 5 5] T_GES - Datos atípicos detectados: 139315 Valores atípicos: [3 3 3 ... 3 3 3] T_GES_AGRU_CIE - Datos atípicos detectados: 68065 Valores atípicos: [3 3 3 ... 3 3 3] NUMCONSUL - Datos atípicos detectados: 35172 Valores atípicos: [0 0 0 ... 0 0 0] TIPO_PARTO - Datos atípicos detectados: 203 Valores atípicos: [4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4] MUL_PARTO - Datos atípicos detectados: 11398 Valores atípicos: [2 2 2 ... 2 2 2] APGAR1 - Datos atípicos detectados: 32424 Valores atípicos: [99 6 3 ... 3 5 3] APGAR2 - Datos atípicos detectados: 20460 Valores atípicos: [99 7 3 ... 7 5 5] IDHEMOCLAS - Datos atípicos detectados: 15195 Valores atípicos: [9 9 9 ... 9 9 9] IDFACTORRH - Datos atípicos detectados: 43720 Valores atípicos: [9 2 2 ... 9 2 2] IDPERTET - Datos atípicos detectados: 53427 Valores atípicos: [1 5 1 ... 5 5 5] EDAD_MADRE - Datos atípicos detectados: 815 Valores atípicos: [ 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 99 9 9 9 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 9] EST_CIVM - Datos atípicos detectados: 0 NIV_EDUM - Datos atípicos detectados: 27592 Valores atípicos: [99 99 99 ... 99 99 99] ULTCURMAD - Datos atípicos detectados: 27598 Valores atípicos: [99 99 99 ... 99 99 99] CODPRES - Datos atípicos detectados: 3987 Valores atípicos: [862 862 862 ... 862 862 862] CODPTORE - Datos atípicos detectados: 0 CODMUNRE - Datos atípicos detectados: 0 AREA_RES - Datos atípicos detectados: 140589 Valores atípicos: [3. 3. 2. ... 3. 2. 3.] N_HIJOSV - Datos atípicos detectados: 52099 Valores atípicos: [6 4 4 ... 5 5 4] N_EMB - Datos atípicos detectados: 8341 Valores atípicos: [10 7 8 ... 9 7 7] SEG_SOCIAL - Datos atípicos detectados: 37377 Valores atípicos: [5 5 5 ... 5 5 5] IDCLASADMI - Datos atípicos detectados: 14627 Valores atípicos: [5. 5. 5. ... 5. 5. 5.] EDAD_PADRE - Datos atípicos detectados: 22700 Valores atípicos: [999 999 999 ... 63 999 57] NIV_EDUP - Datos atípicos detectados: 72429 Valores atípicos: [99 99 99 ... 99 99 99] ULTCURPAD - Datos atípicos detectados: 72433 Valores atípicos: [99 99 99 ... 99 99 99] PROFESION - Datos atípicos detectados: 5818 Valores atípicos: [4 3 3 ... 5 3 5]
Out[25]:
{'COD_DPTO': array([], dtype=int64),
'COD_MUNIC': array([756, 758, 821, ..., 736, 669, 834], dtype=int64),
'AREANAC': array([3, 2, 2, ..., 3, 2, 2], dtype=int64),
'SIT_PARTO': array([2, 2, 2, ..., 3, 2, 2], dtype=int64),
'SEXO': array([], dtype=int64),
'PESO_NAC': array([8, 3, 1, ..., 8, 3, 8], dtype=int64),
'TALLA_NAC': array([9, 2, 2, ..., 9, 2, 9], dtype=int64),
'ANO': array([], dtype=int64),
'MES': array([], dtype=int64),
'ATEN_PAR': array([5, 4, 6, ..., 6, 5, 5], dtype=int64),
'T_GES': array([3, 3, 3, ..., 3, 3, 3], dtype=int64),
'T_GES_AGRU_CIE': array([3, 3, 3, ..., 3, 3, 3], dtype=int64),
'NUMCONSUL': array([0, 0, 0, ..., 0, 0, 0], dtype=int64),
'TIPO_PARTO': array([4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4], dtype=int64),
'MUL_PARTO': array([2, 2, 2, ..., 2, 2, 2], dtype=int64),
'APGAR1': array([99, 6, 3, ..., 3, 5, 3], dtype=int64),
'APGAR2': array([99, 7, 3, ..., 7, 5, 5], dtype=int64),
'IDHEMOCLAS': array([9, 9, 9, ..., 9, 9, 9], dtype=int64),
'IDFACTORRH': array([9, 2, 2, ..., 9, 2, 2], dtype=int64),
'IDPERTET': array([1, 5, 1, ..., 5, 5, 5], dtype=int64),
'EDAD_MADRE': array([ 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
99, 9, 9, 9, 9, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 9, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 9, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 9, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 9, 9],
dtype=int64),
'EST_CIVM': array([], dtype=int64),
'NIV_EDUM': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'ULTCURMAD': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'CODPRES': array([862, 862, 862, ..., 862, 862, 862], dtype=int64),
'CODPTORE': array([], dtype=float64),
'CODMUNRE': array([], dtype=float64),
'AREA_RES': array([3., 3., 2., ..., 3., 2., 3.]),
'N_HIJOSV': array([6, 4, 4, ..., 5, 5, 4], dtype=int64),
'N_EMB': array([10, 7, 8, ..., 9, 7, 7], dtype=int64),
'SEG_SOCIAL': array([5, 5, 5, ..., 5, 5, 5], dtype=int64),
'IDCLASADMI': array([5., 5., 5., ..., 5., 5., 5.]),
'EDAD_PADRE': array([999, 999, 999, ..., 63, 999, 57], dtype=int64),
'NIV_EDUP': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'ULTCURPAD': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'PROFESION': array([4, 3, 3, ..., 5, 3, 5], dtype=int64)}
In [26]:
plot_correlation_matrix(nac2018_data)
Análisis de cálidad de los datos.
In [27]:
missing_data18 = check_completeness(nac2018_data)
Completitud: Valores Faltantes
Valores faltantes Porcentaje (%)
OTRO_SIT 647287 99.718386
FECHA_NACM 307639 47.393605
IDCLASADMI 37178 5.727491
CODPTORE 4091 0.630243
CODMUNRE 4091 0.630243
AREA_RES 3987 0.614221
In [28]:
duplicate_info18 = check_uniqueness(nac2018_data)
Unicidad: Detección de Duplicados
Número de duplicados: 1313
Porcentaje de duplicados: 0.20%
Registros duplicados (primeras 5 filas):
COD_DPTO COD_MUNIC AREANAC SIT_PARTO OTRO_SIT SEXO PESO_NAC \
469 8 1 1 1 NaN 1 6
479 66 1 1 1 NaN 2 3
522 54 1 1 1 NaN 1 3
533 8 1 1 1 NaN 1 6
1255 5 1 1 1 NaN 1 5
TALLA_NAC ANO MES ... AREA_RES N_HIJOSV FECHA_NACM N_EMB \
469 5 2018 1 ... 1.0 1 NaN 1
479 4 2018 1 ... 1.0 5 23/12/2010 4
522 4 2018 1 ... 1.0 5 09/12/2015 4
533 5 2018 1 ... 1.0 1 NaN 1
1255 4 2018 1 ... 1.0 3 12/04/2012 2
SEG_SOCIAL IDCLASADMI EDAD_PADRE NIV_EDUP ULTCURPAD PROFESION
469 2 2.0 21 99 99 1
479 1 1.0 32 5 11 1
522 1 1.0 32 5 11 1
533 2 2.0 28 99 99 1
1255 1 1.0 30 4 11 1
[5 rows x 38 columns]
In [29]:
validity_issues18 = check_validity_auto(nac2018_data)
COD_MUNIC - Valores fuera de rango detectados: 51142 Rango válido detectado: (-396.5, 663.5) Valores fuera de rango: [756 758 821 887 847 835 708 837 698 834 843 854 675 686 875 777 679 670 861 895 759 754 707 736 693 710 899 865 807 890 744 753 820 755 683 743 689 877 665 855 794 790 874 685 687 838 672 860 815 680 856 763 810 828 713 873 682 893 869 770 863 688 664 836 750 773 720 885 785 814 858 809 761 699 799 692 780 789 824 819 757 667 787 797 711 673 862 980 823 742 892 678 791 668 817 867 669 800 674 849 798 718 745 769 676 878 671 788 822 870 884 701 883 886 872 684 760 804 845 842 717 801 690 960 871 792 771 776 786 696 740 889 894 681 703 764 772 762 666 697 832 702 793 839 779 841 816] AREANAC - Valores fuera de rango detectados: 10288 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [3 2] SIT_PARTO - Valores fuera de rango detectados: 10740 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 3] PESO_NAC - Valores fuera de rango detectados: 41404 Rango válido detectado: (3.5, 7.5) Valores fuera de rango: [8 3 1 2 9] TALLA_NAC - Valores fuera de rango detectados: 5518 Rango válido detectado: (2.5, 6.5) Valores fuera de rango: [9 2 1] ATEN_PAR - Valores fuera de rango detectados: 10701 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [5 4 6 3 2] T_GES - Valores fuera de rango detectados: 139315 Rango válido detectado: (4.0, 4.0) Valores fuera de rango: [3 2 5 6 9 1] T_GES_AGRU_CIE - Valores fuera de rango detectados: 68065 Rango válido detectado: (4.0, 4.0) Valores fuera de rango: [3 2 5 6 9 1] NUMCONSUL - Valores fuera de rango detectados: 35172 Rango válido detectado: (0.5, 12.5) Valores fuera de rango: [ 0 15 13 14 16 18 24 17 20 99 22 19 25 23 21] TIPO_PARTO - Valores fuera de rango detectados: 203 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [4] MUL_PARTO - Valores fuera de rango detectados: 11398 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 3 4 9] APGAR1 - Valores fuera de rango detectados: 32424 Rango válido detectado: (6.5, 10.5) Valores fuera de rango: [99 6 3 4 5 1 2] APGAR2 - Valores fuera de rango detectados: 20460 Rango válido detectado: (7.5, 11.5) Valores fuera de rango: [99 7 3 6 5 2 4 1] IDHEMOCLAS - Valores fuera de rango detectados: 15195 Rango válido detectado: (0.5, 4.5) Valores fuera de rango: [9] IDFACTORRH - Valores fuera de rango detectados: 43720 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [9 2] IDPERTET - Valores fuera de rango detectados: 53427 Rango válido detectado: (6.0, 6.0) Valores fuera de rango: [1 5 2 3 4] EDAD_MADRE - Valores fuera de rango detectados: 815 Rango válido detectado: (0.0, 8.0) Valores fuera de rango: [ 9 99] NIV_EDUM - Valores fuera de rango detectados: 27592 Rango válido detectado: (-3.0, 13.0) Valores fuera de rango: [99] ULTCURMAD - Valores fuera de rango detectados: 27598 Rango válido detectado: (-4.0, 20.0) Valores fuera de rango: [99] CODPRES - Valores fuera de rango detectados: 3987 Rango válido detectado: (170.0, 170.0) Valores fuera de rango: [862 604 218 191 76 188 533 530 724 528 174 591 608 704 32 152 670 840 858 484 548 887 136 222] AREA_RES - Valores fuera de rango detectados: 140589 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [3. 2. 9.] N_HIJOSV - Valores fuera de rango detectados: 52099 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [ 6 4 7 5 12 8 9 11 10 14 13 15 99 19 17 18 20] N_EMB - Valores fuera de rango detectados: 8341 Rango válido detectado: (-2.0, 6.0) Valores fuera de rango: [10 7 8 12 9 99 11 13 16 14 15 17 18] SEG_SOCIAL - Valores fuera de rango detectados: 37377 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [5 4 9] IDCLASADMI - Valores fuera de rango detectados: 14627 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [5. 4. 9.] EDAD_PADRE - Valores fuera de rango detectados: 22700 Rango válido detectado: (7.5, 51.5) Valores fuera de rango: [999 66 53 56 52 58 55 69 54 64 62 60 61 59 57 73 63 65 67 72 75 70 80 74 68 71 79 90 77 91 78 76] NIV_EDUP - Valores fuera de rango detectados: 72429 Rango válido detectado: (-4.5, 15.5) Valores fuera de rango: [99] ULTCURPAD - Valores fuera de rango detectados: 72433 Rango válido detectado: (-4.0, 20.0) Valores fuera de rango: [99] PROFESION - Valores fuera de rango detectados: 5818 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [4 3 5 2] OTRO_SIT - Valores no válidos detectados: 647287 Valores válidos detectados: ['AMBULANCIA TAB' 'CARRETERA' 'VIA PUBLICA' 'CALLE' 'AMBULANCIA' 'VEHICULO' 'AVENIDA' 'PUESTO DE SALUD ORIHUECA' 'CARRO' 'VEHICULO PARTICULAR' 'LANCHA' 'ambulancia' 'finca' 'VEREDA SALINAS MUNICIPIO DE MO' 'EN CARRETERA CERCA A ALTAMIRA' 'vehiculo' 'CLINICA BUCARAMANGA' 'CANOA' 'PARTO EN LA CALLE' 'AMBULANCIA RUMBO A INSTITUCION' 'EL DOMICILIO' 'TAXI' 'HOTEL' 'EN CARRO PARTICULAR AL LLEGAR' 'Ambulancia' 'CENTRO DE SALUD DE PLAYA RICA' 'AMBULANCIA BASICA' 'CASA' 'AUTOMOVIL' 'via publica' 'CENTRO DE SALUD DE PAPYAL' 'AMBULANCIA INSTITUCIONAL' 'VIA SAN JUAN VIANI' 'EN LA HUERTA' 'LA VIA PUBLICA' 'AMBULANCIA ESE HOSPITAL SAN JO' 'GUAITARILLA' 'EN UN CARRO' 'HOGAR' 'PUESTO DE SALUD' 'VERDA LAS DELICIAS' 'DEBAJO DE UN PUENTE' 'centro de salud charco largo l' 'vía pública' 'VEHICULO PARTICULAR CARRO' 'AMBULANCIA DE TRASLADO VITAL B' 'TRANSMILENIO' 'VIA PUBLICA DE LA VEREDA ALTO ' 'BAÑO DEL HOSPITAL REGIONAL DE' 'AMBULANCIA MEDICALIZADA' 'RESGUARDO CAÑAVERAL' 'MEDIO DE TRASPORTE ACUATICO (C' 'BOTE' 'RANCHERIA' 'VEREDA ARRAYANES' 'AMBULANCIA LUEGAR CACERI' 'SALA DE ESPERA' 'BARCO' 'AMBULACIA' 'BONGO' 'BUS INTERMUNICIPAL TERMINAL DE' 'TRANSLADO EN AMBULANCIA' 'VEREDA EN CASA' 'DOMICILIO' 'AMBULANCIA VIA PUBLICA' 'PUESTO DE SALUD DE RIO FRIO' 'BARRIO PRIMERA DE MAYO' 'MUELLE DE PUERTO NARIÑO AMAZON' 'AMBULANCIA DE LA INSTITUCION' 'comunidad' 'BUSETA' 'Automovil' 'COMUNIDAD INDIGENA CUSAY LA CO' 'TRANSPORTE' 'carretera' 'V/ BRILLANTE SANTA CLARA' 'VIA LA CRISTALINA PUERTO GAITA' 'CENTRO PENITENCIARIO' 'ASOCIACION DE PARTERAS ASOPARU' 'taxi' 'BUS' 'HOSPITAL BOLOMBOLO' 'A LA INTERPERIE' 'AMBULANCIA GUALANDAY' 'CENTRO DE SALUD' 'PANGA' 'AMBULANCIA .' 'EXTRAHOSPITALARIO(TAXI)' 'EN LA AMBULANCIA' 'VEREDA BAJO INGLES' 'LA PLAYA' 'EN UN TAXI' 'VIA PUBLICA(TAXI)' 'CAMION-VIA PUBLICA' 'carro' 'utomovil' 'CARRETERA VEREDAL' 'CAMIONETA' 'VEHICULO AMBULANCIA' 'PATRULLA DE POLICIA' 'en la via' 'TRANSPORTE VÍA HOSPITAL' 'MEDIO DE TRANSPORTE - TAXI' 'vehiculo particular' 'UN TAXI' 'carreteras' 'ambulancia de zona bananera' 'CASA DE PARTERA' 'ASOCIACION D EPARTERAS ASOPARU' 'VEHICULO AUTOMOTOR' 'UN TAXI MIENTRAS SE TRASLADABA' 'CENTRO DE SALUD DE PAPAYAL' 'ALBERGUE' 'ESPOSO' 'AMBULANCIA BARRIO CALOTO' 'PEÑAS COLORADAS' 'TIENDA' 'CASA DE PLANTAS MEDICINALES SI' 'TAXI EN BARRIO MANCERA' 'EN LA VIA' 'RIO VERDE' 'BARRIO PALERMO' 'EN EL TRABAJO' 'VIA CHACHAGUI' 'VIA PUBLICA DURANTE TRASLADO E' 'FINCA BUENOS AIRES' 'en ambulancia' 'SIN ESTABLECER' 'AUTOPISTA' 'CENTRO DE SALUD EL VARAL' 'MICROPUESTO' 'CARRO DE TRANSPORTE' 'LA CARRETERA' 'AMBULANACIA' 'PUESTODE SALUD IRRA' 'Vía Pública' 'CARRETERA VIA ISABI' 'SIETE HERMANA' 'AMBULANCIA DE HOSPITAL SAN CAR' 'PUENTE NACIONAL' 'EN UNA CANOA' 'VIA PRINCIPAL VEREDA PALMAR AR' 'VEHICULO DE TRANSPORTE ESCOLAR' 'EN AMBULANCIA' 'SAN ROQUE EN LA VIA' 'CAMINO A LA CLINICA' 'CLINICA RENACER' 'TUMNURAO' 'COMUNIDAD' 'PUESTO DE SALUD DEL DOCE' 'CASA DE MADRE' 'en carretera hacia el pueblo' 'PUESTO DE SALUD SAN ANTONIO' 'ALMACEN DE ROPA' 'CASA DOMICILIO' 'CARETERA' 'VIA SANTA MARTA A LA PLATA HU' 'VIA CARRETEABLE' 'CARRETERA A LA MIRANDA' 'TRASLADO INSTITUCIONAL' 'ambulancia.' 'EXTRAINSTITUCIONAL' 'VEHÍCULO (TAXI)' 'DISPENSARIO MEDICO DE BUCARAMA' 'casa de partaera' 'CAMPO ABIERTO' 'TRASLADO EN AMBULANCIA' 'EN CARRO' 'PARTO EN AMBULANCIA EN LA VIA ' 'VIA PUBLICA EN UN AUTOMOVIL' 'RESGUARDO INDIGENA CUSAY LA CO' 'COMUNIDAD BARRANCO COLORADO' 'BOTE POR RIO INIRIDA' 'VIA MERCADERES - MOJARRAS' 'AMBULANCIA DE CANDELARIA' 'QUEBRADA ARRIBA RURAL DISPERS' 'casa' 'VIA PUBLICA - AMBULANCIA' 'RIO MAGDALENA' 'PATIO BONITO' 'CARRO PARTICULAR' 'EN UNA LANCHA' 'BUS ESCALERA' 'Carretera' 'CARCEL' 'VEREDA PUERTO NARE' 'AMBULANCIA DE PRIMER NIVEL' 'CARROTAXI' 'SOLA' 'EN LA AMBULANCIA DONDE ERA REM' 'bongo' 'ASOCIACION DE PATERAS ASOPARUP' 'VIA RURAL' 'EN CASA BAJO LA ARENOSA' 'Via publica' 'CARRETERA SOACHA CUNDINAMARCA' 'CARRO DE BOMBEROS.' 'VEREDA EL LORO' 'AMBULANCIA EN VEREDA SISA EN V' 'TRANSPORTE FLUVIAL' 'ALVERGUE SUKURAME SAS' 'CENTOR DE SALUD CARMELO' 'VIA PUBLICA TAXI' 'VEHICULO DE SERVICIO PUBLICO' 'VEREDA LA ARGELIA' 'SIN INFORMACIÓN' 'PARTO EN AMBULANCIA EN EL CORR' 'PATRULLA POLICIA' 'puesto de salud palmor' 'AMBULÑANCIA' 'EMBARCACION TRASNPORTE FLUVIAL' 'pie de cerro' 'CASA DE AMIGOS' 'FUERA DE VIVIENDA' 'PASTO - HUDN' 'nacido en riosucio choco en c' 'EN UN BONGO RIO META' 'BAÑO' 'ASOCIACION DE PARTERAS ASOPAR' 'DURANTE EL TRASLADO EN AMBULAN' 'CARRETERA VEREDA AGUAS CLARAS' 'AMBULANCIA DE TRASLADO' 'DURANTE EL TRASLADO EN EL BOTE' 'VIA PULBICA' 'IPSI APONTE' 'AMBULANCIA INSTITUCIONAL CABEC' 'ambulanci' 'CENTRO DE SLUD' 'HRD SEDE SANTA ROSA DE VITERBO' 'VIA PUBLICA EN TAXI' 'CENTRO DE SALUD DE PAPAPAYAL' 'EXTRA INSTIRUCIONAL' 'VEREDA PUERTO VEGA' 'CARRETERA ORTEGA CAJIBIO' 'VIA RIO BLANCO - LA SIERRA' 'VEHICULO EN VIA PUBLICA' 'RESGUARDO INDIGENA' 'casa via labateca a toledo' 'AUTOMOVIL EN VIA PUBLICA' 'calle' 'FINCA EL DIAMANTE' 'EN LA VEREDA' 'VIA PEQUE -MEDELLIN' 'CENTRO DE SALUD HERRERA' 'EN VEHICULO' 'CENTRO DE SALUD INSPECION YURA' 'AMBULANCIA VIA TIBU-CUCUTA' 'PARQUEADERO DE LA IPS' 'EXTRAHOSPITALARIO' 'HOTEL CENTRAL' 'EN LA AMBULANCIA LLEGANDO A SO' 'CASA DE LA PARTERA' 'EMBARCACION' 'COMUNIDAD CALLE' 'LAS CAMORRAS' 'SECTOR MONTAÑOSO-CAMINO' 'DENTRO DE VEHICULO EN VEREDA L' 'VIA PUBLICA RURAL' 'puesto de salud' 'HABITACION CLINICA' 'VIA PUBLICA EL VIGIA - ARAUQUI' 'AMBULANCIA VIA PUBLICA' 'COMUNDAD INDIGENA' 'PLAYA DE RIO' 'TRANSPORTE PUBLICO' 'ambulacia' 'DISPENSARIO LA MISION' 'UN CARRO' 'AMBULANCIA DE TUMACO' 'CARRETERA A 1 KM DE LA CLINICA' 'TAXI VIA PUBLICA' 'CHALUPA' 'EN UN CARRO ENTRANDO AL PUEBL' 'MADRE' 'resguardo indigena' 'INQUILINATO' 'CARRETERA VIA RAGONVALIA' 'SE DESCONOCE' 'EN BAÑO DE LA INSTITUCION DE S' 'BAJIRA' 'zona rural' 'CAMINO' 'via' 'AMBULANCIA VIA PALERMO - NEIVA' 'PUERTO' 'PUESTO DE SALUD DE BATA' 'MOTOTAXI' 'HOSPITAL SAN SEBASTIAN' 'URIBE' 'RESTAURANTE PROFAMILIA' 'EL CERREJON' 'CALLE VEREDA CARRASPOZAL' 'CENTRO DE SALUD COLSANITA' 'AVIONETA AMBULANCIA' 'AMBULANCIA ESE DAVID MOLINA MU' 'carretera via el carmelo' 'UN VEHICULO' 'AMBULANCIA TRASLADO FACA' 'ASCENSOR' 'COLSANITAS EL CERREJON' 'HOSPEDAJE' 'FUERA DE LA VIVIENDA' 'CENTRO DE SALUD SOLITA' 'CLINISANITAS PUERTO BOLIVAR' 'FUNDACION LAZOS DE AMOR' 'AMBULANCIA TRANSLADO' 'vehículo' 'CENTRODE SALUD SANTO ECCEHOMO ' 'IPS SOLITA' 'CAPS' 'V. CALIYACO' 'EN TAXI' 'EN EL DOMICILIO VEREDA EL DURA' 'VEHICULO DE TRASPORTE PUBLICO' 'Vehículo de transporte' 'comunidad yuri' 'VEHICULO DE TRANSPORTE' 'PUESTO DE SALUD LA GRANJA' 'Carretera dispersa rural' 'HOSPITALA SAN ANTONIO DE SESQU' 'IGLESIA SAN CALIXTO ENCONTRADO' 'EN AUTOMOVIL' 'CASA COMUNAL' 'En panga' 'PARTO EN AMBULANCIA' 'VEREDA LAS AHUYAMAS' 'VEHICULO WAZ' 'SERVICIO PUBLICO' 'EN EL CARRO CAMINO AL HOSPITAL' 'EN LA CALLE' 'AMBULANCIA SEDE EL PAUJIL' 'CARRO DE LA POLICIA' 'DESLIZADORA' 'CARRETERA DE LA VEREDA' 'SU DOMICILIO VEREDA MERCHAN SA' 'Via Publica' 'EL CHORRO' 'VIA AL HOSPITAL' 'AMBULANCIA FLUVIAL' 'CARRETERA MUNICIPAL' 'AMBUlANCIA' 'BARRIO SIMON BOLIVAR' 'FLOTA' 'ALBERGUE SUKURAME' 'durante traslado' 'casa de partera' 'EN LA CARRETERA' 'VEREDA SANTA CLARA' 'CASERIO' 'ESTACION DE POLICIA' 'AV PANAMERICANA QUILCACE' 'CARRETERA MUNICIPIO DE ROSAS' 'CENTRO DE ATENCION DE EMPRESA ' 'VEREDA ALTO DE LOS AGUACATES' 'FINCA' 'VEREDA CAÑO BACATI' 'EN CASA' 'AVION' 'CON INDIGENA' 'A LA ORILLA DEL RIO' 'MAMA' 'VEREDA PABOLA' 'ABANDONADO' 'LA SABANA' 'EN LA PLAYA' 'BARRANCO CEIBA' 'EN UNA TERMINAL DE TRANSPORTES' 'DOMICILIO PARTERA' 'AMBULANCIA LLEGANDO A TUNJA BO' 'AMBULANCIA DE LOS BOMBEROS' 'CASA DE HABITACION' 'automovil particular' 'VIA PUBLICA DENTRO DE UN BUS' 'Carro' 'DESCONOCIDO' 'ASOCION DE PARTERAS ASOPARUPA' 'PARCELA' 'LA AMBULANCIA' 'centro de salud de papayal' 'LA CASA' 'LLEGANDO A LA ESE CENTRO UNO P' 'Ambulancia medicalizada' 'cabildo indigena' 'VEHICULO PUBLICO' 'SIN INFORMACION' 'SIN ALTERACION' 'VEREDA GUASIMAL' 'CANDELARIA' 'DROGUERÍA' 'VEREDA EL BRAZO' 'PUERTO BOLIVAR' 'SIN INFORMACÍON' 'SININFORMACIÓN' 'en casa' 'sentro de salud charco largo l' 'CENTRO DE SALUD PTO BOLIVAR' 'PS LAGUNA COLORADA' 'SIN INFROMACION' 'TRASPORTE PUBLICO' 'VIVIENDA' 'PASTO' 'CHAGRA' 'EN AMBULANCIA DURANTE TRASLADO' 'CAMINO AL HOSPITAL (TAXI )' 'VEHICULO TAXI' 'Casa de una partera' 'VIA PUBLICA KM 18 VIA LAS CONC' 'domicilio donde reside' 'EN AMBULANCIA VIA SANTA ROSA D' 'Vereda Matecaña' 'ATENDIDO POR 1-2-3' 'RESIDENCIA'] Valores no válidos: [nan] FECHA_NACM - Valores no válidos detectados: 307639 Valores válidos detectados: ['13/08/2014' '15/02/2011' '21/06/2011' ... '19/11/1995' '26/10/1999' '18/10/1994'] Valores no válidos: [nan]
In [30]:
incosistences18 = check_consistency(nac2018_data)
Todos los tipos de datos son consistentes con los esperados.
C:\Users\PC2\AppData\Local\Temp\ipykernel_7124\604307692.py:92: DeprecationWarning: is_categorical_dtype is deprecated and will be removed in a future version. Use isinstance(dtype, pd.CategoricalDtype) instead elif pd.api.types.is_categorical_dtype(dataset[col]):
Nacimientos año 2021¶
In [31]:
nac2021_data.shape
Out[31]:
(616914, 39)
In [32]:
nac2021_data.head()
Out[32]:
| COD_DPTO | COD_MUNIC | AREANAC | SIT_PARTO | OTRO_SIT | SEXO | PESO_NAC | TALLA_NAC | ANO | MES | ... | N_HIJOSV | FECHA_NACM | N_EMB | SEG_SOCIAL | IDCLASADMI | EDAD_PADRE | NIV_EDUP | ULTCURPAD | PROFESION | TIPOFORMULARIO | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 47 | 245 | 1 | 1 | NaN | 2 | 6 | 5 | 2021 | 1 | ... | 3 | 03/04/2013 | 3 | 1 | 1.0 | 37 | 4 | 11 | 1.0 | 1 |
| 1 | 47 | 245 | 1 | 1 | NaN | 1 | 5 | 4 | 2021 | 1 | ... | 3 | 17/01/2009 | 5 | 2 | 2.0 | 35 | 9 | 5 | 1.0 | 1 |
| 2 | 47 | 245 | 1 | 1 | NaN | 1 | 6 | 5 | 2021 | 2 | ... | 1 | NaN | 2 | 2 | 2.0 | 27 | 3 | 9 | 1.0 | 1 |
| 3 | 47 | 245 | 1 | 1 | NaN | 2 | 6 | 4 | 2021 | 1 | ... | 2 | 16/08/2017 | 2 | 2 | 2.0 | 40 | 4 | 11 | 1.0 | 1 |
| 4 | 13 | 1 | 1 | 1 | NaN | 2 | 6 | 5 | 2021 | 2 | ... | 2 | 22/05/2014 | 2 | 3 | 5.0 | 32 | 9 | 5 | 1.0 | 1 |
5 rows × 39 columns
In [33]:
nac2021_data.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 616914 entries, 0 to 616913 Data columns (total 39 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 COD_DPTO 616914 non-null int64 1 COD_MUNIC 616914 non-null int64 2 AREANAC 616914 non-null int64 3 SIT_PARTO 616914 non-null int64 4 OTRO_SIT 1444 non-null object 5 SEXO 616914 non-null int64 6 PESO_NAC 616914 non-null int64 7 TALLA_NAC 616914 non-null int64 8 ANO 616914 non-null int64 9 MES 616914 non-null int64 10 ATEN_PAR 616914 non-null int64 11 T_GES 616914 non-null int64 12 T_GES_AGRU_CIE 616914 non-null int64 13 NUMCONSUL 616914 non-null int64 14 TIPO_PARTO 616914 non-null int64 15 MUL_PARTO 616914 non-null int64 16 APGAR1 616914 non-null int64 17 APGAR2 616914 non-null int64 18 IDHEMOCLAS 616914 non-null int64 19 IDFACTORRH 616914 non-null int64 20 IDPERTET 616914 non-null int64 21 EDAD_MADRE 616914 non-null int64 22 EST_CIVM 616914 non-null int64 23 NIV_EDUM 616914 non-null int64 24 ULTCURMAD 616914 non-null int64 25 CODPRES 616914 non-null int64 26 CODPTORE 608083 non-null float64 27 CODMUNRE 608083 non-null float64 28 AREA_RES 608086 non-null float64 29 N_HIJOSV 616914 non-null int64 30 FECHA_NACM 344669 non-null object 31 N_EMB 616914 non-null int64 32 SEG_SOCIAL 616914 non-null int64 33 IDCLASADMI 551221 non-null float64 34 EDAD_PADRE 616914 non-null int64 35 NIV_EDUP 616914 non-null int64 36 ULTCURPAD 616914 non-null int64 37 PROFESION 616847 non-null float64 38 TIPOFORMULARIO 616914 non-null int64 dtypes: float64(5), int64(32), object(2) memory usage: 183.6+ MB
In [34]:
nac2021_data.describe()
Out[34]:
| COD_DPTO | COD_MUNIC | AREANAC | SIT_PARTO | SEXO | PESO_NAC | TALLA_NAC | ANO | MES | ATEN_PAR | ... | AREA_RES | N_HIJOSV | N_EMB | SEG_SOCIAL | IDCLASADMI | EDAD_PADRE | NIV_EDUP | ULTCURPAD | PROFESION | TIPOFORMULARIO | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| count | 616914.000000 | 616914.000000 | 616914.000000 | 616914.000000 | 616914.000000 | 616914.000000 | 616914.000000 | 616914.0 | 616914.000000 | 616914.000000 | ... | 608086.000000 | 616914.000000 | 616914.000000 | 616914.000000 | 551221.000000 | 616914.000000 | 616914.000000 | 616914.000000 | 616847.000000 | 616914.000000 |
| mean | 34.704174 | 172.189263 | 1.047105 | 1.029485 | 1.487908 | 5.736197 | 4.611957 | 2021.0 | 6.640434 | 1.108868 | ... | 1.427025 | 1.974295 | 2.151569 | 1.999157 | 1.677425 | 37.662870 | 13.799131 | 16.591985 | 1.054184 | 1.000109 |
| std | 26.577299 | 266.100926 | 0.290024 | 0.182467 | 0.500026 | 1.115809 | 0.720720 | 0.0 | 3.413818 | 0.666225 | ... | 0.772575 | 1.578043 | 1.700261 | 1.147784 | 0.662156 | 86.917286 | 28.100663 | 27.273895 | 0.438998 | 0.010421 |
| min | 5.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 2021.0 | 1.000000 | 1.000000 | ... | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 13.000000 | 1.000000 | 0.000000 | 1.000000 | 1.000000 |
| 25% | 11.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 5.000000 | 4.000000 | 2021.0 | 4.000000 | 1.000000 | ... | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 24.000000 | 3.000000 | 5.000000 | 1.000000 | 1.000000 |
| 50% | 23.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 6.000000 | 5.000000 | 2021.0 | 7.000000 | 1.000000 | ... | 1.000000 | 2.000000 | 2.000000 | 2.000000 | 2.000000 | 29.000000 | 4.000000 | 9.000000 | 1.000000 | 1.000000 |
| 75% | 54.000000 | 290.000000 | 1.000000 | 1.000000 | 2.000000 | 6.000000 | 5.000000 | 2021.0 | 10.000000 | 1.000000 | ... | 2.000000 | 2.000000 | 3.000000 | 2.000000 | 2.000000 | 35.000000 | 8.000000 | 11.000000 | 1.000000 | 1.000000 |
| max | 99.000000 | 980.000000 | 3.000000 | 3.000000 | 3.000000 | 9.000000 | 9.000000 | 2021.0 | 12.000000 | 6.000000 | ... | 9.000000 | 99.000000 | 99.000000 | 9.000000 | 5.000000 | 999.000000 | 99.000000 | 99.000000 | 5.000000 | 2.000000 |
8 rows × 37 columns
In [35]:
plot_numeric_distributions(nac2021_data)
In [36]:
plot_top_categories(nac2021_data, 'OTRO_SIT')
plot_top_categories(nac2021_data, 'FECHA_NACM')
In [37]:
plot_boxplots_and_detect_outliers(nac2021_data)
COD_DPTO - Datos atípicos detectados: 0 COD_MUNIC - Datos atípicos detectados: 46180 Valores atípicos: [758 758 758 ... 800 787 787] AREANAC - Datos atípicos detectados: 16960 Valores atípicos: [2 2 3 ... 3 3 3] SIT_PARTO - Datos atípicos detectados: 16747 Valores atípicos: [2 2 2 ... 3 3 2] SEXO - Datos atípicos detectados: 0 PESO_NAC - Datos atípicos detectados: 41526 Valores atípicos: [8 8 3 ... 9 9 9] TALLA_NAC - Datos atípicos detectados: 8356 Valores atípicos: [9 9 9 ... 9 9 9] ANO - Datos atípicos detectados: 0 MES - Datos atípicos detectados: 0 ATEN_PAR - Datos atípicos detectados: 16861 Valores atípicos: [5 5 5 ... 5 5 5] T_GES - Datos atípicos detectados: 153956 Valores atípicos: [3 3 3 ... 6 6 6] T_GES_AGRU_CIE - Datos atípicos detectados: 74054 Valores atípicos: [3 3 3 ... 6 6 6] NUMCONSUL - Datos atípicos detectados: 5289 Valores atípicos: [99 15 99 ... 99 99 99] TIPO_PARTO - Datos atípicos detectados: 201 Valores atípicos: [4 4 4 4 4 9 9 9 9 9 9 9 9 9 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 9 9 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 9 9 9 9 9 9 9 4 4 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 4 4 4 4 4 4 4 4 4 4 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9] MUL_PARTO - Datos atípicos detectados: 10836 Valores atípicos: [2 2 2 ... 9 3 4] APGAR1 - Datos atípicos detectados: 38135 Valores atípicos: [ 3 5 4 ... 99 99 99] APGAR2 - Datos atípicos detectados: 27345 Valores atípicos: [ 7 1 7 ... 99 99 99] IDHEMOCLAS - Datos atípicos detectados: 15090 Valores atípicos: [9 9 9 ... 9 9 9] IDFACTORRH - Datos atípicos detectados: 43287 Valores atípicos: [2 9 2 ... 9 9 9] IDPERTET - Datos atípicos detectados: 59922 Valores atípicos: [3 5 5 ... 1 1 1] EDAD_MADRE - Datos atípicos detectados: 481 Valores atípicos: [ 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 99 99 99 99 99 99 99 99 99 9 9 99 99 99 99 99 99 99 99 9 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 9 9 9 9 9 9 99 99 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 9 9 99 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 9 9 9 9 9 9 99 99 99 9 99 99 99 99 99 9 9 99 99 99 9 9 9 9 9 9 9 99 99 99 9 9 9 9 9 9 9 9 9 9 9 9 99 99 9 9 9 99 99 99 99 99 9 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 9 9 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9] EST_CIVM - Datos atípicos detectados: 0 NIV_EDUM - Datos atípicos detectados: 20705 Valores atípicos: [99 99 99 ... 99 99 99] ULTCURMAD - Datos atípicos detectados: 20705 Valores atípicos: [99 99 99 ... 99 99 99] CODPRES - Datos atípicos detectados: 8828 Valores atípicos: [862 862 862 ... 530 530 862] CODPTORE - Datos atípicos detectados: 0 CODMUNRE - Datos atípicos detectados: 0 AREA_RES - Datos atípicos detectados: 3 Valores atípicos: [9. 9. 9.] N_HIJOSV - Datos atípicos detectados: 55145 Valores atípicos: [4 4 4 ... 5 4 5] N_EMB - Datos atípicos detectados: 8337 Valores atípicos: [ 7 7 7 ... 99 99 99] SEG_SOCIAL - Datos atípicos detectados: 65845 Valores atípicos: [5 5 5 ... 9 9 5] IDCLASADMI - Datos atípicos detectados: 10179 Valores atípicos: [5. 5. 5. ... 5. 5. 5.] EDAD_PADRE - Datos atípicos detectados: 12584 Valores atípicos: [ 58 56 999 ... 999 999 999] NIV_EDUP - Datos atípicos detectados: 60130 Valores atípicos: [99 99 99 ... 99 99 99] ULTCURPAD - Datos atípicos detectados: 60137 Valores atípicos: [99 99 99 ... 99 99 99] PROFESION - Datos atípicos detectados: 10392 Valores atípicos: [5. 5. 5. ... 5. 5. 5.] TIPOFORMULARIO - Datos atípicos detectados: 67 Valores atípicos: [2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]
Out[37]:
{'COD_DPTO': array([], dtype=int64),
'COD_MUNIC': array([758, 758, 758, ..., 800, 787, 787], dtype=int64),
'AREANAC': array([2, 2, 3, ..., 3, 3, 3], dtype=int64),
'SIT_PARTO': array([2, 2, 2, ..., 3, 3, 2], dtype=int64),
'SEXO': array([], dtype=int64),
'PESO_NAC': array([8, 8, 3, ..., 9, 9, 9], dtype=int64),
'TALLA_NAC': array([9, 9, 9, ..., 9, 9, 9], dtype=int64),
'ANO': array([], dtype=int64),
'MES': array([], dtype=int64),
'ATEN_PAR': array([5, 5, 5, ..., 5, 5, 5], dtype=int64),
'T_GES': array([3, 3, 3, ..., 6, 6, 6], dtype=int64),
'T_GES_AGRU_CIE': array([3, 3, 3, ..., 6, 6, 6], dtype=int64),
'NUMCONSUL': array([99, 15, 99, ..., 99, 99, 99], dtype=int64),
'TIPO_PARTO': array([4, 4, 4, 4, 4, 9, 9, 9, 9, 9, 9, 9, 9, 9, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 9, 9, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,
4, 9, 9, 9, 9, 9, 9, 9, 4, 4, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9], dtype=int64),
'MUL_PARTO': array([2, 2, 2, ..., 9, 3, 4], dtype=int64),
'APGAR1': array([ 3, 5, 4, ..., 99, 99, 99], dtype=int64),
'APGAR2': array([ 7, 1, 7, ..., 99, 99, 99], dtype=int64),
'IDHEMOCLAS': array([9, 9, 9, ..., 9, 9, 9], dtype=int64),
'IDFACTORRH': array([2, 9, 2, ..., 9, 9, 9], dtype=int64),
'IDPERTET': array([3, 5, 5, ..., 1, 1, 1], dtype=int64),
'EDAD_MADRE': array([ 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 99, 99, 99, 99, 99, 99, 99, 99, 99, 9,
9, 99, 99, 99, 99, 99, 99, 99, 99, 9, 9, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 9, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 9, 9, 9, 9, 9, 9, 9, 99, 99, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 99, 99, 99, 99, 9, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 9, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 9, 9, 99, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 9, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 9, 9, 9, 9, 9, 9, 99, 99, 99,
9, 99, 99, 99, 99, 99, 9, 9, 99, 99, 99, 9, 9, 9, 9, 9, 9,
9, 99, 99, 99, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 99,
99, 9, 9, 9, 99, 99, 99, 99, 99, 9, 99, 99, 9, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 9, 9, 9, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
9, 99, 99, 99, 99, 99, 99, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9], dtype=int64),
'EST_CIVM': array([], dtype=int64),
'NIV_EDUM': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'ULTCURMAD': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'CODPRES': array([862, 862, 862, ..., 530, 530, 862], dtype=int64),
'CODPTORE': array([], dtype=float64),
'CODMUNRE': array([], dtype=float64),
'AREA_RES': array([9., 9., 9.]),
'N_HIJOSV': array([4, 4, 4, ..., 5, 4, 5], dtype=int64),
'N_EMB': array([ 7, 7, 7, ..., 99, 99, 99], dtype=int64),
'SEG_SOCIAL': array([5, 5, 5, ..., 9, 9, 5], dtype=int64),
'IDCLASADMI': array([5., 5., 5., ..., 5., 5., 5.]),
'EDAD_PADRE': array([ 58, 56, 999, ..., 999, 999, 999], dtype=int64),
'NIV_EDUP': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'ULTCURPAD': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'PROFESION': array([5., 5., 5., ..., 5., 5., 5.]),
'TIPOFORMULARIO': array([2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2], dtype=int64)}
In [38]:
plot_correlation_matrix(nac2021_data)
Análisis de calidad de los datos.
In [39]:
missing_data21 = check_completeness(nac2021_data)
Completitud: Valores Faltantes
Valores faltantes Porcentaje (%)
OTRO_SIT 615470 99.765932
FECHA_NACM 272245 44.130138
IDCLASADMI 65693 10.648648
CODPTORE 8831 1.431480
CODMUNRE 8831 1.431480
AREA_RES 8828 1.430994
PROFESION 67 0.010861
In [40]:
duplicate_info21 = check_uniqueness(nac2021_data)
Unicidad: Detección de Duplicados
Número de duplicados: 698
Porcentaje de duplicados: 0.11%
Registros duplicados (primeras 5 filas):
COD_DPTO COD_MUNIC AREANAC SIT_PARTO OTRO_SIT SEXO PESO_NAC \
279 44 847 3 2 NaN 1 9
280 44 847 3 2 NaN 2 9
281 44 847 3 2 NaN 2 9
1261 44 1 1 1 NaN 1 4
1317 44 430 3 2 NaN 1 9
TALLA_NAC ANO MES ... N_HIJOSV FECHA_NACM N_EMB SEG_SOCIAL \
279 9 2021 10 ... 1 NaN 1 2
280 9 2021 11 ... 1 NaN 1 2
281 9 2021 10 ... 1 NaN 1 2
1261 4 2021 4 ... 2 NaN 1 1
1317 9 2021 6 ... 1 NaN 1 2
IDCLASADMI EDAD_PADRE NIV_EDUP ULTCURPAD PROFESION TIPOFORMULARIO
279 2.0 999 99 99 5.0 1
280 2.0 999 99 99 5.0 1
281 2.0 999 99 99 5.0 1
1261 1.0 30 99 99 1.0 1
1317 2.0 74 99 99 5.0 1
[5 rows x 39 columns]
In [41]:
validity_issues21 = check_validity_auto(nac2021_data)
COD_MUNIC - Valores fuera de rango detectados: 46180 Rango válido detectado: (-432.5, 723.5) Valores fuera de rango: [758 770 847 820 742 823 780 744 832 836 980 849 894 873 855 810 771 798 750 760 787 745 838 960 874 756 843 754 763 822 839 799 862 872 801 753 867 817 835 899 861 776 785 885 791 797 898 807 871 793 759 740 814 842 736 772 757 755 773 815 875 860 878 845 841 743 804 816 886 888 887 889 895 777 800 794 883 884 834 809 786 821 892 865 869 828 788 863 890 824 854 870 877 761 837 792 858 819 789 856 790 893] AREANAC - Valores fuera de rango detectados: 16960 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 3] SIT_PARTO - Valores fuera de rango detectados: 16747 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 3] PESO_NAC - Valores fuera de rango detectados: 41526 Rango válido detectado: (3.5, 7.5) Valores fuera de rango: [8 3 9 2 1] TALLA_NAC - Valores fuera de rango detectados: 8356 Rango válido detectado: (2.5, 6.5) Valores fuera de rango: [9 2 1] ATEN_PAR - Valores fuera de rango detectados: 16861 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [5 6 2 3 4] T_GES - Valores fuera de rango detectados: 153956 Rango válido detectado: (4.0, 4.0) Valores fuera de rango: [3 5 6 2 9 1] T_GES_AGRU_CIE - Valores fuera de rango detectados: 74054 Rango válido detectado: (4.0, 4.0) Valores fuera de rango: [3 5 6 2 9 1] NUMCONSUL - Valores fuera de rango detectados: 5289 Rango válido detectado: (-2.0, 14.0) Valores fuera de rango: [99 15 16 19 20 18 17 25 21 23 22 24] TIPO_PARTO - Valores fuera de rango detectados: 201 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [4 9] MUL_PARTO - Valores fuera de rango detectados: 10836 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 3 4 9] APGAR1 - Valores fuera de rango detectados: 38135 Rango válido detectado: (6.5, 10.5) Valores fuera de rango: [ 3 5 4 99 6 1 2] APGAR2 - Valores fuera de rango detectados: 27345 Rango válido detectado: (7.5, 11.5) Valores fuera de rango: [ 7 1 6 3 99 4 5 2] IDHEMOCLAS - Valores fuera de rango detectados: 15090 Rango válido detectado: (0.5, 4.5) Valores fuera de rango: [9] IDFACTORRH - Valores fuera de rango detectados: 43287 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 9] IDPERTET - Valores fuera de rango detectados: 59922 Rango válido detectado: (6.0, 6.0) Valores fuera de rango: [3 5 1 2 4] EDAD_MADRE - Valores fuera de rango detectados: 481 Rango válido detectado: (0.0, 8.0) Valores fuera de rango: [ 9 99] NIV_EDUM - Valores fuera de rango detectados: 20705 Rango válido detectado: (-3.0, 13.0) Valores fuera de rango: [99] ULTCURMAD - Valores fuera de rango detectados: 20705 Rango válido detectado: (-4.0, 20.0) Valores fuera de rango: [99] CODPRES - Valores fuera de rango detectados: 8828 Rango válido detectado: (170.0, 170.0) Valores fuera de rango: [862 152 32 76 68 174 56 840 704 426 530 591 604 124 756 702 484 332 270 192 891 533 218 188 548 36 4 214 196] AREA_RES - Valores fuera de rango detectados: 3 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [9.] N_HIJOSV - Valores fuera de rango detectados: 55145 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [ 4 6 7 5 9 12 8 10 11 15 13 14 99] N_EMB - Valores fuera de rango detectados: 8337 Rango válido detectado: (-2.0, 6.0) Valores fuera de rango: [ 7 11 9 10 8 12 15 13 99 14 17 16] SEG_SOCIAL - Valores fuera de rango detectados: 65845 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [5 4 9] IDCLASADMI - Valores fuera de rango detectados: 10179 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [5. 4.] EDAD_PADRE - Valores fuera de rango detectados: 12584 Rango válido detectado: (7.5, 51.5) Valores fuera de rango: [ 58 56 999 52 67 54 72 53 77 55 60 61 74 59 63 57 69 62 65 71 68 66 64 70 78 79 80 75 73 76] NIV_EDUP - Valores fuera de rango detectados: 60130 Rango válido detectado: (-4.5, 15.5) Valores fuera de rango: [99] ULTCURPAD - Valores fuera de rango detectados: 60137 Rango válido detectado: (-4.0, 20.0) Valores fuera de rango: [99] PROFESION - Valores fuera de rango detectados: 10392 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [5. 2. 3. 4.] TIPOFORMULARIO - Valores fuera de rango detectados: 67 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2] OTRO_SIT - Valores no válidos detectados: 615470 Valores válidos detectados: ['AMBULANCIA' 'VIA PUBLICA' 'CENTRO DE SALUD DE PAPAYAL' 'AUTOMOVIL' 'VEREDA' 'EN AMBULANCIA' 'EN TRASPORTE PARTICULAR' 'RANCHERIA' 'AMBULANCIA.' 'VIA' 'CARRETERA' 'TRANSPORTE FLUVIAL' 'clinica saludtotal santa marta' 'TRANSPORTE ACUATICO' 'MEDIO DE TRANSPORTE' 'DOMICILIO DE LA PACIENTE' 'VEHICULO PARTICULAR' 'EN MOTOCARRO' 'carro' 'TAXI' 'CENTRO DE SALUD PAPAYAL' 'ESTACION DE POLICIA' 'RANCHERIA JIPI' 'PUERTO BOLIVAR' 'GUAYAVITO' 'Durante traslado en ambulancia' 'PUESTO DE SALUD' 'RANCHERIA KM 52 VIA RIOHACHA.' 'CALLE' 'AMBULANCIA ACUATICA' 'CANCHA DE FUTBOLL' 'carretera' 'OFICINA MIGARCION LA RAYA' 'CLINICA COLSANITAS' 'CENTRO DE SALUD DEL CABO DE LA' 'CLINISANITAS PUERTO BOLIVAR' 'clinica general de soledad' 'FLOTA ACUATICA' 'EN LA CALLE' 'DOMICILIO' 'RANCHERÌA KAMANA' 'RANCHERIA CHAMANAL' 'VEHICULO (TAXI)' 'CENTRO DE SALUD TAGANGA' 'finca sabanita' 'VIA QUE CONDUCE A SAN BLAS CON' 'BUS DE SERVICIO PUBLICO' 'VIA PUBLICA-AMBULANCIA' 'EN VIA DE TROCHA' 'CASA' 'FINCA' 'finca' 'PARTERA' 'VIA VILLA ARIZA' 'CARRO' 'DENTRO DE UN VEHICULO TAXI' 'CANOA' 'CENTRO DE SALUD CABO DE LA VEL' 'MUNICIPIO DE ACHI' 'PAPAYAL' 'MUELLE DE LAS ISLAS DEL ROSARI' 'FAMILIAR' 'RANCHERIA KM 31' 'vehiculo' 'en un bus' 'CENTRO MEDICO PUERTO BOLIVAR' 'NO ESPECIFICADO' 'Transporte Acuatico' 'AMBULACION -MARIA LA BAJA' 'MOTO (CALLE)' 'CHALUPA' 'TRANSPORTE PUBLICO' 'CARRETERA DE SU DOMICILIO' 'BUS DE TRASPORTE PUBLICO' 'ambulancia' 'CARRO - VIA PUBLICA' '0' 'LA CHAGRA' 'AMBULANCIA MEDICALIZADA' 'SAN MIGUEL' 'Ambulancia' 'en carretera via agililla -pue' 'DURANTE TRASLADO VIA PAUNA - C' 'VEHÍCULO DE RECICLAJE' 'BUS' 'VEHICULO EN VIA PUBLICA' 'CASA FAMILIAR' 'VEHICULO' 'Rio Guaviare' 'SIERRA NEVADA' 'CENTRO MEDICO EL OASIS' 'CENTRO DE SALUD' 'CENTRO DE SALUD DE ROBLES' 'el roble' 'CAMINO EN UNA MOTO' 'LA GUARIPA' 'vereda argentina norte' 'AMBULANCIA HEAD' 'TRASLADO EN AMBULANCIA' 'AMBULANCIA DE BOMBEROS' 'AMBULANCIA DE LA E.S.E HOSPITA' 'AMBULANCIA INSTITUCIONAL' 'VIVIENDA' 'VEHICULO AUTOMOTRIZ' 'SABANA DE LA FUGA' 'AMBULANCIA - VIA PUBLICA' 'RESGUARDO INDIGENA MAGUARE' 'AMBULANCIA ALTILLANURA' 'LUGAR DONDE VIVE' 'ACHAKARA' 'COMUNIDAD CHOROLOBO' 'ALBERGUE' 'VÍA PÚBLICA' 'AMBULANCIA VIA VILLAVICENCIO' 'HOTEL LA CRISTALINA' 'AERONAVE' 'COMUNIDAD' 'EN COMUNIDAD' 'YERUA' 'AMBULANCIA INSITITUCIONAL' 'CASA DE LA PACIENTE' 'FINCA EUCALIPTO ESMERALDA' 'CAMPO' 'EN EL PUERTO' 'COMUNIDAD SAN ANTONIO' 'IPS CENTRO DE SALUD TRINIDAD' 'VIA NACIONAL PAICOL-LA PLATA' 'CI KANALITOJO' 'COMUNIDAD KANALITOJO' 'COMUNIDAD ESPERANZA' 'FINCA CAÑO VEREÑO' 'FINCA GUACAMAYAS' 'FINCA LA FAENA' 'VEHICULO DE PADRE EN DESPLAZAM' 'CASA VECINA' 'VIA PIÑALITO' 'ALBERGUE INDIGENA' 'AMBULANCIA DE TRANSPORTE MEDIC' 'AMBULANCIA DE RIO CHIQUITO' 'COMUNIDAD INDIGENA LA MALLERA' 'JURIEPE' 'VEREDA AGUAS BLANCAS' 'EN UNA TIENDA' 'EL DOMICILIO' 'KILOMETRO 16' 'PUERTO SOLITA' 'PUESTO DE SALUD DE PUERTO ALVI' 'PUERTO ALVIRA' 'KILOMETRO 20' 'BARRIO ANTIOQUIA ATENDIDO POR' 'VEHICULO TIPO TAXI' 'INSTITUCION DE SALUD (IPS DEL' 'PARTO EXTRAINSTITUCIONAL ( VER' 'INSTITUCION DE SALUD DEL MUNIC' 'FINCA CAÑO MUCO' 'COMUNIDAD LA HORMIGA' 'FINCA COROCORAS' 'AMBULANCIA PROCEDENTE DE VENEC' 'CARRO DE TRANSPORTE' 'AMBULANCIA ESE MARIA AUXILIADO' 'vereda san pedro' 'RIO META EN EL YATE' 'VIA DESTAPADA' 'nueva antioquia' 'via publica carro' 'COMUNIDAD RINCON GUAMAL' 'FINCA LA BENDICION' 'AUTOPISTABOGOTA TUNJA SECTOR E' 'AMBULANCIA 5103 HOSPITAL SAN A' 'calle' 'VEHICULO DE TRANSPORTE PUBLICO' 'UMHES SANTA CLARA' 'AMBULACIA' 'BOSQUE' 'PRIMAVERA II' 'CENTRO DE SALUD DE CACAGUAL' 'COMUNIDAD DE DANTA' 'LANCHA - RIO ATABAPO POR COMUN' 'campo abierto' 'PUERTO MINERO' 'CAMPO ABIERTO' 'Ambulancia institucional Carta' 'ALBERGUE MALLAMAS' 'AUTOMOVIL PARTICULAR' 'HOSPIUTAL DE PAUJIL' 'RIO ORTEGUAZA' 'OTRO' 'DURANTE EL TRASLADO AL HOSPITA' 'MOTOCARRO LLEGANDO AL HOSPITAL' 'CARRO PUBLICO' 'VEHÍCULO' 'EN LA BALSA' 'BOTE AMBULANCIA' 'BOTE' 'Kilometro 36' 'KILOMETRO 25 VIA VALPARAISO-SO' 'TROCHA' 'PARTO ATENDIDO EN CANOA' 'CALLE ENFRENTE AL HOSPITAL' 'AMBULANCIA BOMBEROS' 'VIA PUBLICA ( AMBULANCIA)' 'COMUNIDAD INDIGENA' 'VEREDA LA CASCADA' 'VEREDA ESCOBAL CENTRO' 'RESGUARDO UNUMA ALTO' 'AMBULANICA' 'CARRO PARTICULAR' 'MOTOTAXI' 'DESCONOCIDO' 'FUERTE MILITAR LARANDIA' 'PUESTO DE SALUD MIRAFLORES' 'VIA PUBLICA RURAL' 'AMBULANCIA DE MOSCOTE EN TRASL' 'VIA ENTRE LA VEREDA LAUREL A L' 'EN CARRO' 'VEHICULO SERVICIO PUBLICO' 'AMBULANCIA DE HOSPITAL DE SESQ' 'CAI' 'VEHICULO DE TRANSPORTE' 'hotel doña ceci' 'MEDICENTRO FAMILIAR' 'CARRETERA MIENTRAS VENIA EN AM' 'TERMINAL DE TRANSPORTE' 'ZARAGOZA' 'HOTEL' 'CENTRO MEDICO LABORAL QUIFA' 'VIA PUBLICA EN TAXI' 'AMBULANCIA INSTITUSIONAL' 'VIA RURAL' 'AUTOMOVIL EN VIA CHAPARRERA' 'VEREDA PEÑA ROJAS' 'CASA PARTERA' 'VIA ALGECIRAS - CAMPOALEGRE KM' 'VDA LINDENAL' 'EN VONGO' 'PARQUE NACIONAL' 'TAXI FRENTE AL HOSPITAL' 'AMBULANCIA DE HRVT' 'RESTAURANTE' 'EXTRAINSTITUCIONAL' 'KANALITOJO' 'Guacamayas' 'CASA DE UNA HERMANA' 'PATIO' 'ISLA BACHACO' 'RESGUARDO INDIGENA AGUA NEGRA ' 'BONGO' 'CASERIO ZONA MINERA' 'CAMPO ABIERTO SELVA' 'MESETAS DAGUA' 'Comunidad algarrobos' 'CERRO DEL BITA' 'EN LA SELVA' 'CONSULTORIO MEDICO PARTICULAR' 'FUERA DE CASA' '"EN CAMIONETA"' 'VEREDA SANJONES' 'VIA PUBLICA - PUERTO ARANGO' 'AUTOMOVIL TAXI' 'RIVERA DEL RIO ARAUCA' 'RESGUARDO MOCUARE' 'NO APLICA' 'DISPENSARIO' 'Vía Pública' 'puente via' 'Inspeccion la venturosa ' 'Inspeccion Puerto Murillo ' 'isla del vita ' 'MARACAS' 'GUERETO' 'WASIMAL' 'FINCA ESPERANZA' 'MEREY' 'CASA DE PARTERA' 'RESGUARDO INDIGENA JERICO CONSAYA' 'MONTE' 'DURANTE TRANSPORTE FLUVIAL' 'taxi' 'GUANAPALO' 'Rural' 'LANCHA' 'ALCALDIA' 'CARRTERA VILLA CARO-CUCUTA' 'CHAGRA' 'COMUNIDAD MORICHALITO' 'COMUNIDAD RONCADOR' 'VEREDA LA LIBERTAD' 'centro hospital san felipe' 'Centro Hospital San Felipe' 'COMUNIDAD UWA' 'CONSULTORIO MEDICO' 'RIO' 'PUESTO DE SALUD CAMPO 2' 'AMBULANCIO' 'via publica en ambulancia' 'BRIGADA DE SALUD' 'comunidad indigena' 'CARRETERA VIA CONVENCION - OCA' 'VIA CRAVO-ARAUCA' 'VIA PUBLICA A BORDO DE UN VEH' 'CI MORICHALITO' 'PUERTA DE HOSPITAL' 'COMUNIDAD CHIVARAQUIA' 'AMBULANCIA HRN TIBU' 'CASERIO LLANO GRANDE' 'TRASLADO AMBULANCIA' 'La primavera ' 'ETCR CHARRAS' 'MADRE' 'AMBULANCIA DE LA ESE' 'INSPECCION DE POLICIA DE PIEDR' 'maloca' 'VEREDA MIRALINDO' 'VEHÍCULO PARTICULAR' 'CAÑO HORMIGA ' 'CENTRO DE SALUD DE MANDI' 'vehiculo particular' 'FARMACIA' 'PUENTE' 'DROGUERIA EN CAMPO DOS' 'EN LA AMBULANCIA EN LA Y PEDR' 'AMBULANCIA OTRA IPS' 'CARRETERA-VEREDA SAN PABLO' 'TIERRA LINDA' 'VIA ORU' 'SITIO PÚBLICO' 'PARTO EN AMBULANCIA' 'ambulancia camino a tibu' 'VERSALLES' 'AMBULANCIA CAMINO A TIBU' 'CARRETERA VIA LA ARAGUA - SANT' 'MESITAS' 'HOTEL TRANSITORIO' 'CAMIONETA DE TRASLADO AL HOSPI' 'DISPENSARIO MEDICO DE BUCARAMA' 'TRANSPORTE DE AMBULANCIA' 'MBULANCIA' 'AMBULANCIA YA EN BARRANCABERME' 'CARRO QUE LA TRANSPORTABA AL H' 'AMBULANCIA EN EL TRASLADO A IN' 'GUAQUIRA' 'VIA PUBLICA KM 50 B/TURA - BUG' 'ambulancia - carretera' 'CARRETERA MUNICIPAL' 'Comunidad Julieros ' 'CAMPO 2' 'VEREDA ISLANDIA' 'PUENTE TIERRA' 'EN UN TAXI' 'SAN ANTONIO VEREDA' 'KM 14' 'CAMPO 23' 'VEHICULO DE SERVIVIO PÚBLICO' 'AMBULANCIA DE GENOVA QUINDIO' 'DONDE UNA TIA DE LA MADRE' 'EL HOYO' 'Carretera' 'UNA CANOA' 'PARQUE' 'MOTO CARRO' 'EN VEHICULO' 'MERCEDES RIO CHAGUI' 'VIA EL CAIRO A CAJIBIO' 'VIA PUBLICA PIENDAMO - POPAYAN' 'AVIONETA' 'AREA DE CULTIVO' 'RIO MIRA CHINGUIRITO EN LANCH' 'AMBULANCIA FLUVIAL' 'CASA DE LA ARMONIA Y LA SALUD' 'carretera que conduce de vered' 'TRANSPORTE BASICO AMBULATORIO' 'AMBULANCIA EN LA VEREDA AGUA T' 'EN VEHICULO PUBLICO' 'VEHICULO PUBLICO' 'AMBULANCIA DURANTE EL TRASLADO' 'PUESTO DE SALUD LA TAGUA' 'CASA DE LA SALUD Y LA ARMONIA ' 'canoa' 'taxi en el cual se transporta' 'CAI DE POLICIA SALADITO' 'via ejido- policarpa' 'VIA AL HOSPITAL' 'VIA PUBLICA PANAMERICANA' 'en ambulancia durante el trasl' 'en altamat' 'VEHICULO PATRULLA POLICIA' 'via publica el mango' 'RIO PUTUMAYO AMBULANCIA FLUVIA' 'sin informacion' 'TRASNPORTE PUBLICO' 'VIA PUBLICA' 'VIA PUBICA' 'caballo' 'AMBULANCIA VIA MANIZALES' 'EN UN CHOCHO VIA PUBLICA' 'CAMINO DE LA VEREDA' 'CABECERAS BAJO SAN JUAN' 'EN REMISION' 'CENTRO COMERCIAL' 'sin informacion ' 'CAMINO AL HOSPITAL RIO MISTRAT' 'EN LA VIA AREA RURAL' 'AMBULANCIA MEDICALIZADA DE TRA' 'VEHICULO DE DESPLAZAMIENTO' 'SIN INFORMACION ' 'ASOCIACION DE PARTERAS ASOPARU' 'RIO CAJAMBRA EL BARCO' 'Ambulancia bomberos' 'ESE HOSPITAL CRISTO REY' 'AMBULANCIA VIA BELALCAZAR - LA' 'CENTRO DE SALUD DE HERRERA' 'RECUPERACION DE REGISTRADURIA ' 'VÍA ´PÚBLICA RURAL' 'PUESTO DE SALUD ARKAKAY' 'CALLE AL FRENTE DEL HOSPITAL' 'AMBULANCIA DE TRASLADO' 'CARRERA VIA EL SILENCIO' 'VIA PUBLICA EN AMBULANCIA' 'VIA BALBOA A POPAYAN' 'EN PEREIRA ENTRADA SAN JORGE' 'CARRETERA RIO MISTRATO HACIA M' 'VIA CARRETEABLE' 'EN AMBULANCIA TRASLADO HACIA E' 'VEREDA CUCHARO SAN ANTONIO' 'VIA PUBLICA VEHICULO DE SERVI' 'LA REPRESA' 'DOMICILIO VEREDA CHAPINERO' 'VEREDA EL MARENGO LIBANO TOLIM' 'VEHICULO PARTICULAR EN AREA RU' 'VEHÍCULO EN DESPLAZAMIENTO' 'AMBULANCIA VIA BELALCAZAR LA V' 'CARRETERA DURANTE TRASLADO EN' 'CARRETERA VEREDA EL REAL' 'AMBULANCIA - SECTOR LA QUIEBRA' 'COMUNIDAD EMBERA' 'VIA QUE CONDUCE DE VEREDA EL M' 'HOSPITAL ROBERTO QUINTERO VILL' 'EN VIA PUBLICA' 'UN TAXI' 'EN CARRO TRAYECTO AL HOSPITAL' 'CAMINO RURAL' 'VEREDA EL OASIS' 'Carro' 'EN LA AMBULANCIA VIA RONCESVAL' 'VIA FLUVIAL' 'VIA PÚBLICA' 'EN UNA BUSETA' 'CENTRO DE SALUD DE BEBEDO' 'CENTRO DE SALUD DE SAN MIGUEL' 'PUESTO DE SALUD DE DIPURDU' 'BARRIO JAIPERA CARRETERA' 'FARMACIA DEL BARRIO' 'PUESTO DE SALUD EL VALLE' 'puesto de salud' 'EN LANCHA' 'ESPOSO' 'EN CARRETERA E INGRESO A UNA C' 'CENTRO DE SALUD CLAVER' 'PARTO EN AMBULANCIA (VIA MEDEL' 'VEREDA PUERTO PINGO' 'AUTOBUS' 'SANTA GERTRUDIS' 'EN CANOA EN CAMINO DESDE LA ' 'CARRETERA A LA COSTA' 'BRASA IZQUIERDA' 'AMBULANCIA DE YOLOMBO' 'CENTRO DE SALUD DE PUEBLO BELL' 'TAXI INGRESO A URGENCIAS' 'CARRO EN ENTRADA HOSPITAL' 'Casa' 'VIA SAN FRANCISCO -RIO NEGRO' 'BAÑO' 'VIA SAN JOSE DEL PALMAR' 'EN TRASLADO DE AMBULANCIA' 'PARTO EN TAXI' 'casa' 'puesto de salud el valle' 'VEREDA EL HOYO' 'puesto de salud el vale' 'pueso de slud el valle' 'EN UNA LANCHA CUANDO SE DESPLA' 'CAMIONETA PARTICULAR' 'PUSTO DE SALUD EL VALLE' 'DURANTE REMISION' 'CAMIONETA' 'EN UN BOTE ACUATICO NAVEGANDO ' 'JAIBIA COREDOCITO' 'CENTRO DE SALUD CORREGIMIENTO ' 'EN EL BOTE' 'PUESTO DE SALUD VEGAEZ' 'EN TAXI' 'EN UN ANDEN' 'CASA DE LA TIA' 'CASA MADRE' 'PARTO EN AMBULANCIA (VEREDA LO' 'EL TAXI' 'VIA UNGUIA - TURBO' 'MOTOCARRO DURANTE EL TRASLADO' 'CHAGERADO' 'HOSPITAL SANTA MARIA DE SANTA' 'GUAGUA' 'AMBULANCIA VÍA AMALFI YOLOMBÓ' 'CANAL' 'ISLA' 'TURRIQUITADO ALTO' 'CHIBUGADO' 'CENTRO DE SALUD DE LA VEREDA' 'AMBULANCIA//LA CORTADA VÍA AMA' 'CARRETERA EN AMBULANCIA' 'VEGACHI AMBULANCIA INSTITUCION' 'PUESTO DE SALUD DE FRASQUILLO' 'EN LA VIA' 'carro particular' 'COMUNIDAD DE ISLA' 'CASA.' 'EN LA PANGA' 'AMBULANCIA EXTRAINSTITUCIONAL' 'carretera que conduce de la ve' 'CAMINO A CASA- CHOCO EN LANCH' 'NACE EN TAXI A LAS 07:05' 'NARANGUE' 'COMUNIDAD ISLA' 'EN EL PUERTO EN LA AMBULANCIA' 'TRANSPORTE' 'TURRIQUITADO LLANO' 'EL RÍO' 'SIN ESTABLECER' 'CHORI' 'EN LA LANCHA' 'CARRETERA (MOTOCARRO)' 'quebrada' 'SINESTABLECER' 'SIN ESTABLCER' 'DISPENSARIO MEDICO DE MEDELLÍN' 'VIA FLUVIAL SECTOR LOS PLATILL' 'VEREDA EL LLANO' 'cabecera de quebrada'] Valores no válidos: [nan] FECHA_NACM - Valores no válidos detectados: 272245 Valores válidos detectados: ['03/04/2013' '17/01/2009' '16/08/2017' ... '25/04/2021' '23/10/1999' '31/07/2001'] Valores no válidos: [nan]
In [42]:
incosistences21 = check_consistency(nac2021_data)
Todos los tipos de datos son consistentes con los esperados.
C:\Users\PC2\AppData\Local\Temp\ipykernel_7124\604307692.py:92: DeprecationWarning: is_categorical_dtype is deprecated and will be removed in a future version. Use isinstance(dtype, pd.CategoricalDtype) instead elif pd.api.types.is_categorical_dtype(dataset[col]):
Nacimientos año 2022¶
In [43]:
nac2022_data.shape
Out[43]:
(573625, 39)
In [44]:
nac2022_data.head()
Out[44]:
| COD_DPTO | COD_MUNIC | AREANAC | SIT_PARTO | OTRO_SIT | SEXO | PESO_NAC | TALLA_NAC | ANO | MES | ... | N_HIJOSV | FECHA_NACM | N_EMB | SEG_SOCIAL | IDCLASADMI | EDAD_PADRE | NIV_EDUP | ULTCURPAD | PROFESION | TIPOFORMULARIO | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 8 | 638 | 1 | 1 | NaN | 1 | 4 | 4 | 2022 | 12 | ... | 2 | 12/10/2015 | 2 | 2 | 2.0 | 29 | 3 | 8 | 1.0 | 1 |
| 1 | 11 | 1 | 1 | 1 | NaN | 1 | 6 | 5 | 2022 | 12 | ... | 2 | 12/09/2012 | 2 | 1 | 1.0 | 24 | 4 | 11 | 1.0 | 1 |
| 2 | 27 | 1 | 1 | 1 | NaN | 2 | 6 | 5 | 2022 | 12 | ... | 4 | 14/03/2019 | 4 | 2 | 2.0 | 25 | 3 | 9 | 1.0 | 1 |
| 3 | 8 | 1 | 1 | 1 | NaN | 1 | 7 | 5 | 2022 | 12 | ... | 2 | 21/09/2017 | 4 | 1 | 1.0 | 29 | 8 | 2 | 1.0 | 1 |
| 4 | 76 | 1 | 1 | 1 | NaN | 2 | 4 | 4 | 2022 | 12 | ... | 1 | NaN | 1 | 2 | 2.0 | 21 | 2 | 5 | 1.0 | 1 |
5 rows × 39 columns
In [45]:
nac2022_data.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 573625 entries, 0 to 573624 Data columns (total 39 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 COD_DPTO 573625 non-null int64 1 COD_MUNIC 573625 non-null int64 2 AREANAC 573625 non-null int64 3 SIT_PARTO 573625 non-null int64 4 OTRO_SIT 1153 non-null object 5 SEXO 573625 non-null int64 6 PESO_NAC 573625 non-null int64 7 TALLA_NAC 573625 non-null int64 8 ANO 573625 non-null int64 9 MES 573625 non-null int64 10 ATEN_PAR 573625 non-null int64 11 T_GES 573625 non-null int64 12 T_GES_AGRU_CIE 573625 non-null int64 13 NUMCONSUL 573625 non-null int64 14 TIPO_PARTO 573625 non-null int64 15 MUL_PARTO 573625 non-null int64 16 APGAR1 573625 non-null int64 17 APGAR2 573625 non-null int64 18 IDHEMOCLAS 573625 non-null int64 19 IDFACTORRH 573625 non-null int64 20 IDPERTET 573625 non-null int64 21 EDAD_MADRE 573625 non-null int64 22 EST_CIVM 573625 non-null int64 23 NIV_EDUM 573625 non-null int64 24 ULTCURMAD 573625 non-null int64 25 CODPRES 571540 non-null float64 26 CODPTORE 567227 non-null float64 27 CODMUNRE 567227 non-null float64 28 AREA_RES 567227 non-null float64 29 N_HIJOSV 573625 non-null int64 30 FECHA_NACM 314220 non-null object 31 N_EMB 573625 non-null int64 32 SEG_SOCIAL 573625 non-null int64 33 IDCLASADMI 532880 non-null float64 34 EDAD_PADRE 573625 non-null int64 35 NIV_EDUP 573625 non-null int64 36 ULTCURPAD 573625 non-null int64 37 PROFESION 571426 non-null float64 38 TIPOFORMULARIO 573625 non-null int64 dtypes: float64(6), int64(31), object(2) memory usage: 170.7+ MB
In [46]:
nac2022_data.describe()
Out[46]:
| COD_DPTO | COD_MUNIC | AREANAC | SIT_PARTO | SEXO | PESO_NAC | TALLA_NAC | ANO | MES | ATEN_PAR | ... | AREA_RES | N_HIJOSV | N_EMB | SEG_SOCIAL | IDCLASADMI | EDAD_PADRE | NIV_EDUP | ULTCURPAD | PROFESION | TIPOFORMULARIO | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| count | 573625.000000 | 573625.000000 | 573625.000000 | 573625.000000 | 573625.000000 | 573625.000000 | 573625.000000 | 573625.0 | 573625.000000 | 573625.000000 | ... | 567227.000000 | 573625.000000 | 573625.000000 | 573625.000000 | 532880.000000 | 573625.000000 | 573625.000000 | 573625.000000 | 571426.000000 | 573625.000000 |
| mean | 34.287707 | 161.673253 | 1.059858 | 1.048894 | 1.489131 | 5.674010 | 4.580214 | 2022.0 | 6.529705 | 1.101352 | ... | 1.426665 | 2.306800 | 2.490333 | 1.894248 | 1.686243 | 36.490922 | 13.588456 | 16.155612 | 1.026394 | 1.007465 |
| std | 26.608224 | 260.008908 | 0.533592 | 0.503851 | 0.500039 | 1.100214 | 0.687949 | 0.0 | 3.444938 | 0.729567 | ... | 0.773958 | 6.127059 | 6.148717 | 1.091143 | 0.790525 | 78.459605 | 27.612422 | 26.914807 | 0.300867 | 0.121127 |
| min | 5.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 2022.0 | 1.000000 | 1.000000 | ... | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 12.000000 | 1.000000 | 0.000000 | 1.000000 | 1.000000 |
| 25% | 11.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 5.000000 | 4.000000 | 2022.0 | 4.000000 | 1.000000 | ... | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 24.000000 | 3.000000 | 5.000000 | 1.000000 | 1.000000 |
| 50% | 23.000000 | 1.000000 | 1.000000 | 1.000000 | 1.000000 | 6.000000 | 5.000000 | 2022.0 | 7.000000 | 1.000000 | ... | 1.000000 | 2.000000 | 2.000000 | 2.000000 | 2.000000 | 29.000000 | 4.000000 | 9.000000 | 1.000000 | 1.000000 |
| 75% | 54.000000 | 269.000000 | 1.000000 | 1.000000 | 2.000000 | 6.000000 | 5.000000 | 2022.0 | 10.000000 | 1.000000 | ... | 1.000000 | 2.000000 | 3.000000 | 2.000000 | 2.000000 | 35.000000 | 8.000000 | 11.000000 | 1.000000 | 1.000000 |
| max | 99.000000 | 980.000000 | 9.000000 | 9.000000 | 3.000000 | 9.000000 | 9.000000 | 2022.0 | 12.000000 | 9.000000 | ... | 3.000000 | 99.000000 | 99.000000 | 9.000000 | 9.000000 | 999.000000 | 99.000000 | 99.000000 | 5.000000 | 3.000000 |
8 rows × 37 columns
In [47]:
plot_numeric_distributions(nac2022_data)
In [48]:
plot_top_categories(nac2022_data, 'OTRO_SIT')
plot_top_categories(nac2022_data, 'FECHA_NACM')
In [49]:
plot_boxplots_and_detect_outliers(nac2022_data)
COD_DPTO - Datos atípicos detectados: 0 COD_MUNIC - Datos atípicos detectados: 45950 Valores atípicos: [744 899 861 ... 980 807 758] AREANAC - Datos atípicos detectados: 12558 Valores atípicos: [2 3 3 ... 2 3 3] SIT_PARTO - Datos atípicos detectados: 12316 Valores atípicos: [2 2 2 ... 2 2 2] SEXO - Datos atípicos detectados: 0 PESO_NAC - Datos atípicos detectados: 35369 Valores atípicos: [3 2 9 ... 3 9 3] TALLA_NAC - Datos atípicos detectados: 6219 Valores atípicos: [9 9 9 ... 2 9 9] ANO - Datos atípicos detectados: 0 MES - Datos atípicos detectados: 0 ATEN_PAR - Datos atípicos detectados: 12373 Valores atípicos: [5 6 5 ... 6 5 5] T_GES - Datos atípicos detectados: 5195 Valores atípicos: [6 6 6 ... 6 6 6] T_GES_AGRU_CIE - Datos atípicos detectados: 68637 Valores atípicos: [3 3 3 ... 3 3 3] NUMCONSUL - Datos atípicos detectados: 32061 Valores atípicos: [13 0 0 ... 15 13 99] TIPO_PARTO - Datos atípicos detectados: 2222 Valores atípicos: [9 9 9 ... 4 4 4] MUL_PARTO - Datos atípicos detectados: 12639 Valores atípicos: [2 2 2 ... 2 2 2] APGAR1 - Datos atípicos detectados: 27761 Valores atípicos: [99 99 5 ... 6 99 5] APGAR2 - Datos atípicos detectados: 23447 Valores atípicos: [99 99 5 ... 99 99 99] IDHEMOCLAS - Datos atípicos detectados: 7506 Valores atípicos: [9 9 9 ... 9 9 9] IDFACTORRH - Datos atípicos detectados: 33673 Valores atípicos: [2 2 2 ... 2 9 2] IDPERTET - Datos atípicos detectados: 53112 Valores atípicos: [5 5 1 ... 5 3 1] EDAD_MADRE - Datos atípicos detectados: 268 Valores atípicos: [99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 9 9 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 9 99 99 9 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 9 9 99 99 99 99 99 99 99 99 99 99 9 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 99 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9] EST_CIVM - Datos atípicos detectados: 0 NIV_EDUM - Datos atípicos detectados: 18224 Valores atípicos: [99 99 99 ... 99 99 99] ULTCURMAD - Datos atípicos detectados: 18233 Valores atípicos: [99 99 99 ... 99 99 99] CODPRES - Datos atípicos detectados: 4313 Valores atípicos: [862. 862. 862. ... 862. 862. 862.] CODPTORE - Datos atípicos detectados: 0 CODMUNRE - Datos atípicos detectados: 0 AREA_RES - Datos atípicos detectados: 141507 Valores atípicos: [3. 2. 3. ... 2. 2. 2.] N_HIJOSV - Datos atípicos detectados: 49648 Valores atípicos: [4 6 4 ... 4 5 4] N_EMB - Datos atípicos detectados: 9432 Valores atípicos: [99 99 99 ... 8 7 8] SEG_SOCIAL - Datos atípicos detectados: 43089 Valores atípicos: [5 5 5 ... 5 5 5] IDCLASADMI - Datos atípicos detectados: 10195 Valores atípicos: [5. 4. 5. ... 5. 5. 5.] EDAD_PADRE - Datos atípicos detectados: 11290 Valores atípicos: [54 60 60 ... 57 56 54] NIV_EDUP - Datos atípicos detectados: 53895 Valores atípicos: [99 99 99 ... 99 99 99] ULTCURPAD - Datos atípicos detectados: 54025 Valores atípicos: [99 99 99 ... 99 99 99] PROFESION - Datos atípicos detectados: 4949 Valores atípicos: [5. 3. 3. ... 5. 3. 5.] TIPOFORMULARIO - Datos atípicos detectados: 2199 Valores atípicos: [3 3 3 ... 3 3 3]
Out[49]:
{'COD_DPTO': array([], dtype=int64),
'COD_MUNIC': array([744, 899, 861, ..., 980, 807, 758], dtype=int64),
'AREANAC': array([2, 3, 3, ..., 2, 3, 3], dtype=int64),
'SIT_PARTO': array([2, 2, 2, ..., 2, 2, 2], dtype=int64),
'SEXO': array([], dtype=int64),
'PESO_NAC': array([3, 2, 9, ..., 3, 9, 3], dtype=int64),
'TALLA_NAC': array([9, 9, 9, ..., 2, 9, 9], dtype=int64),
'ANO': array([], dtype=int64),
'MES': array([], dtype=int64),
'ATEN_PAR': array([5, 6, 5, ..., 6, 5, 5], dtype=int64),
'T_GES': array([6, 6, 6, ..., 6, 6, 6], dtype=int64),
'T_GES_AGRU_CIE': array([3, 3, 3, ..., 3, 3, 3], dtype=int64),
'NUMCONSUL': array([13, 0, 0, ..., 15, 13, 99], dtype=int64),
'TIPO_PARTO': array([9, 9, 9, ..., 4, 4, 4], dtype=int64),
'MUL_PARTO': array([2, 2, 2, ..., 2, 2, 2], dtype=int64),
'APGAR1': array([99, 99, 5, ..., 6, 99, 5], dtype=int64),
'APGAR2': array([99, 99, 5, ..., 99, 99, 99], dtype=int64),
'IDHEMOCLAS': array([9, 9, 9, ..., 9, 9, 9], dtype=int64),
'IDFACTORRH': array([2, 2, 2, ..., 2, 9, 2], dtype=int64),
'IDPERTET': array([5, 5, 1, ..., 5, 3, 1], dtype=int64),
'EDAD_MADRE': array([99, 99, 99, 99, 99, 99, 99, 9, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 9, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 9, 99, 9, 9, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 9, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 9, 99, 99, 99, 99, 9, 99, 99, 9,
99, 99, 99, 99, 9, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 9, 9, 9, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 9, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 99, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9], dtype=int64),
'EST_CIVM': array([], dtype=int64),
'NIV_EDUM': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'ULTCURMAD': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'CODPRES': array([862., 862., 862., ..., 862., 862., 862.]),
'CODPTORE': array([], dtype=float64),
'CODMUNRE': array([], dtype=float64),
'AREA_RES': array([3., 2., 3., ..., 2., 2., 2.]),
'N_HIJOSV': array([4, 6, 4, ..., 4, 5, 4], dtype=int64),
'N_EMB': array([99, 99, 99, ..., 8, 7, 8], dtype=int64),
'SEG_SOCIAL': array([5, 5, 5, ..., 5, 5, 5], dtype=int64),
'IDCLASADMI': array([5., 4., 5., ..., 5., 5., 5.]),
'EDAD_PADRE': array([54, 60, 60, ..., 57, 56, 54], dtype=int64),
'NIV_EDUP': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'ULTCURPAD': array([99, 99, 99, ..., 99, 99, 99], dtype=int64),
'PROFESION': array([5., 3., 3., ..., 5., 3., 5.]),
'TIPOFORMULARIO': array([3, 3, 3, ..., 3, 3, 3], dtype=int64)}
In [50]:
plot_correlation_matrix(nac2022_data)
Análisis de cálidad de los datos.
In [51]:
missing_data22 = check_completeness(nac2022_data)
Completitud: Valores Faltantes
Valores faltantes Porcentaje (%)
OTRO_SIT 572472 99.798998
FECHA_NACM 259405 45.222053
IDCLASADMI 40745 7.103073
CODPTORE 6398 1.115363
CODMUNRE 6398 1.115363
AREA_RES 6398 1.115363
PROFESION 2199 0.383351
CODPRES 2085 0.363478
In [52]:
duplicate_info22 = check_uniqueness(nac2022_data)
Unicidad: Detección de Duplicados
Número de duplicados: 584
Porcentaje de duplicados: 0.10%
Registros duplicados (primeras 5 filas):
COD_DPTO COD_MUNIC AREANAC SIT_PARTO OTRO_SIT SEXO PESO_NAC \
380 54 1 1 1 NaN 2 4
441 20 45 9 9 NaN 2 9
445 44 560 9 9 NaN 2 9
457 44 847 9 9 NaN 2 9
499 20 570 9 9 NaN 1 9
TALLA_NAC ANO MES ... N_HIJOSV FECHA_NACM N_EMB SEG_SOCIAL \
380 4 2022 12 ... 2 NaN 2 1
441 9 2022 9 ... 99 NaN 99 9
445 9 2022 6 ... 99 NaN 99 9
457 9 2022 6 ... 99 NaN 99 9
499 9 2022 4 ... 99 NaN 99 9
IDCLASADMI EDAD_PADRE NIV_EDUP ULTCURPAD PROFESION TIPOFORMULARIO
380 1.0 32 9 5 1.0 1
441 9.0 53 99 99 NaN 3
445 9.0 999 99 99 NaN 3
457 9.0 999 99 99 NaN 3
499 9.0 24 99 99 NaN 3
[5 rows x 39 columns]
In [53]:
validity_issues22 = check_validity_auto(nac2022_data)
COD_MUNIC - Valores fuera de rango detectados: 45950 Rango válido detectado: (-401.0, 671.0) Valores fuera de rango: [744 899 861 679 847 773 736 755 708 835 698 892 838 834 758 837 887 873 794 790 807 753 890 757 865 754 770 780 759 756 675 810 789 895 842 800 960 689 801 820 798 814 884 787 889 687 743 980 678 843 815 875 885 682 720 821 713 711 855 696 693 817 745 809 676 883 824 869 710 701 893 823 785 688 686 819 791 874 690 707 878 845 761 777 672 854 750 717 871 792 683 877 692 870 799 772 680 718 673 771 858 863 760 894 836 697 828 685 856 808 867 740 872 674 702 797 786 742 849 816 862 886 699 860 839 684 804 879 763 832] AREANAC - Valores fuera de rango detectados: 12558 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 3 9] SIT_PARTO - Valores fuera de rango detectados: 12316 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 9 3] PESO_NAC - Valores fuera de rango detectados: 35369 Rango válido detectado: (3.5, 7.5) Valores fuera de rango: [3 2 9 8 1] TALLA_NAC - Valores fuera de rango detectados: 6219 Rango válido detectado: (2.5, 6.5) Valores fuera de rango: [9 2 1] ATEN_PAR - Valores fuera de rango detectados: 12373 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [5 6 3 9 4 2] T_GES - Valores fuera de rango detectados: 5195 Rango válido detectado: (1.5, 5.5) Valores fuera de rango: [6 9 1] T_GES_AGRU_CIE - Valores fuera de rango detectados: 68637 Rango válido detectado: (4.0, 4.0) Valores fuera de rango: [3 2 6 5 9 1] NUMCONSUL - Valores fuera de rango detectados: 32061 Rango válido detectado: (0.5, 12.5) Valores fuera de rango: [13 0 14 16 99 15 17 20 18 24 21 22 19 23 25] TIPO_PARTO - Valores fuera de rango detectados: 2222 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [9 4] MUL_PARTO - Valores fuera de rango detectados: 12639 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 9 3 4] APGAR1 - Valores fuera de rango detectados: 27761 Rango válido detectado: (6.5, 10.5) Valores fuera de rango: [99 5 1 6 4 3 2] APGAR2 - Valores fuera de rango detectados: 23447 Rango válido detectado: (7.5, 11.5) Valores fuera de rango: [99 5 1 7 6 4 3 2] IDHEMOCLAS - Valores fuera de rango detectados: 7506 Rango válido detectado: (0.5, 4.5) Valores fuera de rango: [9] IDFACTORRH - Valores fuera de rango detectados: 33673 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [2 9] IDPERTET - Valores fuera de rango detectados: 53112 Rango válido detectado: (6.0, 6.0) Valores fuera de rango: [5 1 9 3 2 4] EDAD_MADRE - Valores fuera de rango detectados: 268 Rango válido detectado: (0.0, 8.0) Valores fuera de rango: [99 9] NIV_EDUM - Valores fuera de rango detectados: 18224 Rango válido detectado: (-3.0, 13.0) Valores fuera de rango: [99] ULTCURMAD - Valores fuera de rango detectados: 18233 Rango válido detectado: (-4.0, 20.0) Valores fuera de rango: [99] CODPRES - Valores fuera de rango detectados: 4313 Rango válido detectado: (170.0, 170.0) Valores fuera de rango: [862. 662. 76. 840. 604. 660. 591. 218. 724. 533. 528. 8. 124. 548. 174. 484. 716. 68. 340. 180. 250. 630. 404.] AREA_RES - Valores fuera de rango detectados: 141507 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [3. 2.] N_HIJOSV - Valores fuera de rango detectados: 49648 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [ 4 6 5 99 11 7 12 8 9 13 10 14 15] N_EMB - Valores fuera de rango detectados: 9432 Rango válido detectado: (-2.0, 6.0) Valores fuera de rango: [99 11 7 12 8 9 10 13 14 15 16 20] SEG_SOCIAL - Valores fuera de rango detectados: 43089 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [5 4 9] IDCLASADMI - Valores fuera de rango detectados: 10195 Rango válido detectado: (-0.5, 3.5) Valores fuera de rango: [5. 4. 9.] EDAD_PADRE - Valores fuera de rango detectados: 11290 Rango válido detectado: (7.5, 51.5) Valores fuera de rango: [ 54 60 53 52 999 66 61 56 59 63 58 55 71 57 67 76 74 68 62 79 65 78 70 64 73 69 72 75 77] NIV_EDUP - Valores fuera de rango detectados: 53895 Rango válido detectado: (-4.5, 15.5) Valores fuera de rango: [99] ULTCURPAD - Valores fuera de rango detectados: 54025 Rango válido detectado: (-4.0, 20.0) Valores fuera de rango: [99] PROFESION - Valores fuera de rango detectados: 4949 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [5. 3. 2. 4.] TIPOFORMULARIO - Valores fuera de rango detectados: 2199 Rango válido detectado: (1.0, 1.0) Valores fuera de rango: [3 2] OTRO_SIT - Valores no válidos detectados: 572472 Valores válidos detectados: ['EN CASA' 'AMBULANCIA' 'RESGUARDO EL TIGRE COMUNIDAD LA FLORESTA ' 'RESGUARDO EL TIGRE COMUNIDAD LA FLORESTA ' 'COMUNIDAD' 'MOTOTAXI' 'lomita de curundo' 'EN RIO BAUDO DURANTE TRASLADO LLEGANDO A PIE DE PATO ' 'AMBULANCIA ' 'Vehículo' 'VÍA PUBLICA' 'taxi' 'centro de salud del corregimiento de Puerto Claver' 'chalupa' 'domicilio ' 'RIO BONGO' 'CENTRO DE SALUD' 'Ambulancia' 'RESGUARDO TOMO BEBERY COMUNIDAD BELEN' 'VEREDA EL COMBOY' 'PUESTO DE SALUD EL VALLE' 'casa ' 'CAMINO VIA AL HOSPITAL' 'BELLO HORIZONTE RIO RAPOSO' 'VDA SAN LUQUITAS FARMACIA DONDE ATIENDE MÉDICO NO REGISTRAD' 'domicilio com san piñalito resg bajo rio vichada sectro 2' 'CASA ' 'RANCHERIA ANASUTAPARA' 'AMBULANCIA EN VÍA HACIA SANTA CECILIA ' 'ALBERGUE' 'VIA PUBLICA' 'VIA PUBLICA TRES LLANTA' 'puesto de salud el valle' 'BALSA RIO INIRIDA ' 'PARTERA' 'casa' 'METRO MEDELLIN' 'TERMINAL DE TRANSPORTE BUCARAMANGA' 'carretera publica' 'Traslado en ambulancia ' 'docordó' 'EN SU COMUNIDAD' 'ambulancia de traslado' 'Comunidad Indígena Betoyes' 'camioneta' 'ambulancia' 'CALLE ' 'TRANSPORTE PUBLICO ' 'HOSPITAL' 'VIA PUBLICA PUERTO VALDIVIA' 'CARRO' 'DOMICILIO' 'Rio Atrato ' 'CASA DE UN FAMILIAR' 'Palestina ' 'Ambulancia ' 'VEHÍCULO' 'BARRIO ALCARABAN' 'clínica murillo' 'CARRO PARTICULAR' 'transporte de servicio publico TAXI' 'EN LA LANCHA ' 'Taxi' 'EN CARRO PARTICULAR ' 'ESE HOSPITAL REGIONAL NORTE TIBU' 'puesto de salud de san antonio del pescado' 'CARRO DE SERVICIO PUBLICO ' 'en la silla de un taxi cerca a portería de urgencias del ho' 'PUERTA HOSPITAL' 'PACIENTE QUIEN TUVO PARTO EN TAXI' 'EN CASA ' 'VEREDA TERMOPILAS FINCA LA ESPANTOSA ' 'COMUNIDAD BACHIRA ' 'HOGAR' 'VEHICULO TRANSPORTE' 'VEHICULO' 'CAMPO ABIERTO' 'COMUNIDAD ICHIPANA' 'ESPACIO PUBLICO' 'HOGAR ' 'PARQUEADERO' 'COMUNIDAD NUEVA ZELANDA RESGUARDO SAN LUIS DEL TOMO' 'Domicilio' 'EN UN TRANSPORTE MARITIMO ' 'HOGAR TEMPORAL' 'TAXI ' 'VIA PÚBLICA' 'carretera' 'RESGUARDO CAÑA BRAVAS' 'Ambulancia de institucion UNIPA' 'vereda los milagros ' 'COM PALOMETA RES BAJO RIO VICHADA SECTOR II' 'En ambulancia vía a Arauca sector vereda las cruces' 'COMUNIDAD IQUIACARORA' 'AMBULANCIA VEREDA LA PAVA' 'CASA' 'EN LA VIA ' 'CASA DE PACIENTE ' 'vereda los quemados' 'En moto en dirección al municipio' 'Carro' 'ambulancia ' 'TAXI' 'RESGUARDO EMBERA CAÑADA ONDA' 'automovil' 'PUESTO DE SALUD' 'RIO BAJO BAUDO' 'DENTRO DE VEHICULO ' 'AUTOMOVIL CARRETERA ' 'RANCHERIA AYAPAMANA' 'VIA PUBLICA RIO CLARO' 'ambulancia medicalizada' 'AMBULANCIA MOVIL 7026 ' 'ambulancia clínica Aynan' 'DOMICILIO ZONA RURAL ' 'RESGUARDO SANTA TERESITA COMUNIDAD ESTERO' 'en casa ' 'En la via al hospital' 'DROGUERIA' 'en la ambulancia' 'ambulancia institucional ' 'CALLE' 'RANCHERIA JOROROMANA' 'vereda hacia nazareth' 'vereda romboy' 'vereda cofradia del municipio de Nunchia casanare' 'AMBULANCIA EN EL ROMBOY MUNICIPIO ARAUCA' 'comunidad cumariana resguardo aiwacuna chepajibo' 'AMBULANCIA SOBRE VIA PUBLICA' 'COMUNIDAD SANTA ROSAL RESG BAJO RIO VICHADA SECTOR 2 ' 'zona rural' 'TRANSPORTE FLUVIAL DESLIZADOR' 'montañas' 'ESTACION DE SERVICIO DE CALLE NUEVA' 'Ambulancia TAM OSE840' 'EN NARANJOS' 'EXTRAHOSPITALARIO' 'via publica' 'LA CALLE BARRIO PORVENIR' 'VIA PUBLICA SALIENDO DEL TIGRE' 'COMUNIDAD GUAYAME CENTRAL' 'AMBULANCIA EXTRAINSTITUCIONAL' 'En carro' 'MEDIO DE TRANSPORTE YONSO ' 'en comunidad' 'RANCHERIA TOURUPA ' 'AUOTMOVIL' 'Comunidad Indígena San Miguel' 'via publica ' 'AMBULANCIA DE TRASLADO ' 'COM BOPONE RES AIWAKUNA TSEPAJIBO' 'TRANSPORTE AUTOMOVIL' 'carro particular' 'puesto de salud hocol servicios petroleros ' 'lancha' 'Vereda Camame' 'vehiculo' 'FUNDACION LAZOS DE AMOR' 'ESE SUR OCCIDENTE PUNTO DE ATENCION FLORENCIA CAUCA' 'calle ' 'EN EL CARRO DE LOS PADRES' 'EN TRASLADO DE AMBULANCIA' 'AMBULANCIA MEDICALIZADA' 'AMBULANCIA ACUATICA' 'CASA DE LA MAMA' 'VEREDA GABRIEL LOPEZ ' ' VIARAUDO' 'Ambulancia de la institución ' 'PANIQUITA ' 'COMUNIDAD PIRON RESGUARDO BAJO RIO VICHADA SECTOR 2' 'Ambulancia de la institución' 'AMBULANCIA BOMBEROS' 'En ambulancia ' 'BOTE' 'CARRETERA DESTAPADA ' 'PANGA' 'VIA PUBLICA BARRIO EL PUERTO' 'VEHICULO SERVICIO PUBLICO' 'DURANTE TRASLADO EN AMBULANCIA ' 'COCHE' 'EN LA EPS' 'VIA EL REPOSO' 'LANCHA DE PASAJEROS' 'CAMPOS ABIERTOS' 'CENTRO DE SALUD MAPOY ' 'RANCHERIA JAMUCHENCHON' 'carretera kilómetro 83' 'CASA VERDA TAGUA' 'RANCHERIA WARUTAMANA' 'EN COMUNIDAD' 'VEHICULO ' 'VIVIENDA' 'Comunidad Genarero' 'NO INSTITUCIONAL' 'ZONA URBANA' 'CARRETERA' 'VIA GACHETA GUASCA' 'LA AMBULANCIA' 'COMUNIDAD INDIGENA TEGRIA ' 'De camino en la canoa ' 'RANCHERIA KAINATU ' 'AMBULANCIA A NIVEL DEL TABLAZO' 'vía publica ' 'EN AMBULANCIA ' 'BÓCOTA' 'CENTRO DE SALUD TABACAL ' 'CAMPO ABIERTO BACHIRA' 'Puesto de Salud' 'BOCOTA' 'ASENYAMIENTO ALIWA CUPEPE COMUNIDAD GRECIA' 'AMBULANCIA INSTITUCIONAL' 'en un taxi cerca de la ips virrey solis' 'VEREDA EL MADROÑO ASENTAMIENTO INDIGENA' 'KM 30 VIA SONSON LA UNION EN LA AMBULANCIA' 'carretera liborina olaya' 'AMBULANCIA EN MONTERIA ' 'CANOA RIO ARAUCA' 'VEHICULO PARTICULAR ' 'VEREDA JEBALA' 'URINA' 'Comunidad Indígena de Angosturas' 'AMBULANCIA DE CHDN' 'COMUNIDAD INDIGENA BOCOTA GUALANDAY ' 'DOMICILIARIO' 'JEEP TOYOTA VIA GRAMALOTE CUCUTA' 'TRANSPORTE DE SERVICIO PUBLICO TAXI' 'VEREDA LA ESPERANZA' 'AMBULANCIA DE ESE HOSPITAL LOCAL RETEN ' 'DOMICILIO COMUNIDAD INDIGENA AREA JOOIN JEB ' 'CARRETERA VIA MULATOS NECOCLI ' 'EXTRAINSTITUCIONAL' 'ambulancia medicalizada ' 'AUTOMOVIL' 'Comunidad Escuela Nueva' 'VEHICULO PARTICULAR' 'calle' 'PUERTO RICO ' 'PROINSALUD SA ' 'en la via publicas vereda el carmen en morales ' 'EN EL DOMICILIO' 'campo abierto' 'HOTEL' 'La estación ' 'albergue' 'Ambulancia (digal)' 'CASA DE LA PARTERA' 'VEREDA TENDIDOS' 'AMBJULANCIA BOMBEROS' 'NERETE' 'SANITAS RESTREPO' 'la venturosa' 'BOMBA DE GASOLINA' 'VÍA PÚBLICA' 'Caño negro' 'EN CARRO WAS' 'BUS EMPRESA BRASILIA PLACA 6357 STR910' 'camino veredal' 'mototaxi medio de transporte' 'resguardo indigena' 'ZONA RURAL DISPERSA' 'COMUNIDAD INDIGENA UWA' 'SAN JUANCITO' 'MEDIO DE TRANSPORTE DE TRASLADO MEDICO BASICO' 'AMBULANCIA ' 'LANCHA' 'PUESTA DE SALUD CHIMILA' 'VEREDA HATO VIEJO' 'LA YE O "Y"' 'VÍA FLUVIAL DE RÍO TAPAJE' 'BUS PÚBLICO' 'VEHICULO DE TRANSPORTE PUBLICO' 'POTRERO VIA RECREO ALTO' 'el domicilio' 'PLAZA PRINCIPAL' 'FINCA ISLA' 'BONGO' 'comunidad' 'LOS MACARIEROS' 'FINCA EL TROPIEZO' 'VIA GUACACIAS - SABANA - VEHIC' 'AMBULANCIA AEREA' 'CENTRO DE SALUD VEREDA CRISTA' 'VEHICULO PUBLICO' 'CASA VECINO' 'TRANSPORTE PUBLICO' 'EN MUELLE' 'AMBULANCIA CARRETERA VIA MIRAN' 'PARQUE NACIONAL' 'via veredal chalarca' 'TRANSPORTE FLUVIAL' 'AMBULANCIA POR MEDICO' 'CALLE-PLAZUELA' 'PARQUE MUNICIPAL' 'CAMIONETA DE TRASLADO' 'NO HAY INFORMACION' 'AMBULANCIA INSTITUSIONAL' 'puesto de salud san pedro' 'AMBULANCIA DE MIRANDA' 'JARAPETTO' 'TAXI EN VIA PUBLICA' 'VIA CHITA-UVITA' 'RANCHERIA' 'CHONGO' 'ANDEN CERCA A LA CASA' 'BOMBA LAS CARPAS' 'EKONAY' 'CARRETERA.' 'CENTRO DE SALUD DE PAPAYAL' 'vehiculo particular' 'EN LA VIA PUBLICA' 'CHALUPA' 'EN VEHICULO TIPO CARRO' 'VEHICULOS' 'AMBULANCIA INSTITIUCIONAL' 'VIA CEDRAL SANPEDRO' 'EN LA VIA' 'VEHICULO EN PARQUEADERO DEL ' 'FINCA MARY MAR' 'CANOA' 'RIO' 'DISPENSARIO DE EMPRESA PETROLE' 'CASA PARTO TRADICIONAL' 'EN LA AMBULANCIA' 'ESTACION DE METRO' 'VEHICULO DE TRANSPORTE' 'VIA TERRESTRE QUE COMUNICA LA ' 'VIA SAN PEDRO INZA' '170114748' 'CARRO - EXTRAINSTITUCIONAL' 'CENTRO DE SALUD DE PUERTO BOLI' 'HOSPITAL NIVEL 1 LA VEGA' 'domocilio de auxiliar de enfer' 'BUS' 'EMBARCACION' 'SABANA' 'domicilio' 'BUS INTERMUNICIPAL' 'ASOCIACION DE PARTERAS ASOPARU' 'EN UNA CARRETILLA EN CALLE' 'EN LA CALLE EL CENTRO' 'PUESTO DE SALUD FILOGRINGO TIB' 'EN LA CALLE CERCA A SU CASA' 'extrainstitucional' 'HOSPITAL DE PARAGUIPOA VENEZUE' 'TRANSPORTE DE CAMINO AL HOSPIT' 'EMBARCACION MARITIMA DE TRALAD' 'AVIONETA' 'TAXI VIA PUBLICA' 'AMBULANCIA EN TRASLADO' 'PUERTO PINEDA' 'HOSPITAL BINACIONAL' 'AMBULANCIA DE TRASLADO' 'CARRETERA HOJAL LA TURBIA' 'COMUNIDAD COBARIA' 'RESGUARDO UNUMA' 'INSTITUCION EDUCATIVA SENA' 'VEHÍCULO AUTOMOVIL' 'Casa' 'TRASLADO EN AMBULANCIA' 'EN SU CASA' 'CLINICA ERMITA DEL PIE DE LA P' 'AMBULANCIA-CARRETERA' 'COMUNIDAD UWA' 'CHIBUGADO' 'PEATON' 'COMUNIDAD DE GUAGUA' 'La Playa' 'LA RIVERA' 'CAMINO' 'CASA DE PARTERA' 'DISP. MEDICO DE BUCARAMANGA' 'NACIO EN AMBULANCIA' 'IPS LA VEGA' 'buena vista' 'ALTO SARDINATA' 'AMBULANCIA VIA PUBLICA' 'AMBULALCIA' 'VEREDA GUADITA' 'PARTO EN VEHICULO' 'VDA EL PELLISCO- AMBULANCIA' 'casa grande aluucx' 'MOTOCARRO' 'CAMINO DE LA VEREDA' 'VIA PUBLICA EN AMBULANCIA' 'CARRETERA NACIONAL' 'Vehiculo' 'RESGUARDO INDIGENA ROSARIO - C' 'ASENTAMIENTO PROVIDENCIA' 'VEHICULO EN CARRETERA' 'AMBULANCIA-VIA SAN LUIS DE PAL' 'VEREDA EL TRIUNFO' 'AMBULANCIA DE EXTRAMURAL' 'VIA PUBLICA DENTRO DE TAXI' 'AVENIDA' 'papapayl' 'VIAJANDO EN BOTE' 'TRASPORTE' 'RESGUARDO NEJALA SECTOR 8' 'AMBULANCIA VÌA CERTEGUI' 'COMUNIDAD LEGIADA' 'VEREDA PEDREGAL' 'AMBULANCIA VIA NATAGA - NEIVA' 'CLINICA' 'PARTERA DOÑA NANCY' 'VIA VEREDA SAN RAFAEL' 'PUERTO' 'PUESTO DE SALUD PALMOR' 'POTRERO' 'BUS DE TRANSPORTE PUBLICO' 'CARRO DE BOMBERO' 'via publica' 'MUELLE DEL HOSPITAL' 'CENTRO DE SALUD CABO DE LA VEL' 'sitio de residenciaa' 'EN TRASPORTE PUBLICO' 'ASENTAMIENTO NUKAK' 'MABULANCIA' 'VIA PUBLICA' 'PATRULLA DE LA POLICIA' 'AMBULANCIA- VIA PUBLICA' 'PANGA QUE NAVEGABA POR EL RIO ' 'BARRIO ARBOLEDA' 'Finca la morenita ' 'CENTRO DE SALUD PUERTO BOLIVAR' 'PUERTO FLUVIAL DE LA PESQUERA' 'VEREDA TAMURIA' 'PARQUE' 'LA CASA DE LA PARTERA' 'HOSPITAL MUNICIPAL DEL MUNICIP' 'PUESTO DE SALUD DE RIO MISTRAT' 'CARRERA' 'ANBULANCIA' 'RESGUARDO INDIGENA ' 'DURANTE TRASLADO EN AMBULANCIA' 'EN CARRETERA DENTRO DE UNA CA' 'VEREDA BALCONES' 'RESG CHOLOLOBO COM CHOLOLOBO' 'TRANSPORTE PUBLICO (TAXI)' 'BRISAS DEL GUEJR VEREDA' 'EN AMBULANCIA' 'PUERTO DEL MUNICIPIO.' 'MOTOTAXI CALLE' 'CAMION' 'EN LA CALLE' 'VIA PUBLICA- CON PARTERO' 'vereda altagracia-Finca' 'PUESTO DE SALUD RIO MISTRATO' 'CAMINO AL HOSPITAL' 'CASA DE PARTO TRADICIONAL TREI' 'Matabambu' 'Comunidad algarrobo' 'RESGUARDO JACOME ' 'PARTO ATENDIDO DURANTE EN TRASLADO EN AMBULANCIA' 'taxi ' 'CHALUPA ' 'EL ALGARROBO' 'AMBULANCIA VIA AMALFI YOLOMBO' 'MONTE' 'PARTO DOMICILIARIO ' 'AUTOMOVIL PERSONAL ' 'campo abierto' 'CARRETERA QUE DE BUENAVISTA CONDUCE AL TABLON' 'comunidad indígena Hitnu' 'EL DOMICILIO ' 'bote ' 'Ambulancia personal de Bomberos' 'CALLE EN UN MOTO TAXI ' 'Finca San Mar' 'PUEBLO HITNU' 'Casa de paciente ' 'RESGUARDO INDIGENA JACOME' 'CALLE VEHICULO' 'Comunidad Guaripa' 'en la ambulancia ' 'vía sabana' 'RESGUARDO INDIGENA AGUA NEGRA' 'FINCA BELLA Y POLITO VIA PALMARITO' 'VIA HOSPITAL DE LA VIRGINIA ' 'TAXI DURANTE TRASLADO A INSTITUCION DE SALUD ' 'TRANSPORTE PRIVADO' 'RANCHERIA WARRURAPALEN ' 'Automovil' 'Vía pública ' 'en la calle' 'VIA DOMICILIO A CENTRO DE SALUD' 'via publica ambulancia' 'EN LA COMUNIDAD' 'vereda agua verde ' 'VIA PUBLICA ' 'CARRETERA EN VEREDA LA GORGONA' 'DESCONOCIDO ' 'BOTE ' 'ANDEN DE CASA' 'EN VIA TERRESTE ENTRADA DE CARMELO ' 'HOSPITAL DEPARTAMENTAL SAN JOSE DE SAN JOSE CALDAS' 'VEREDA GUALILO' 'CLINICA PROINSALUD' 'EN LA COMUNIDAD ' 'carretera ' 'Comunidad Indígena' 'puesto de salud el valle ' 'NACE EN PANGA EN CACARICA' 'vehículo' 'AMBULANCIA PLACA OVM355' 'vereda bocana las verdes ' 'DENTRO DEL VEHICULO' 'VIA PUBLICA DEL MUNICIPIO DE NATAGA ' 'EN LA AMBULACIA ' 'DUITAMA' 'ASOCIACION DE PARTERAS ASOPARUPA BUENAVENTURA VALLE DEL CAUC' 'EL DOMICILO ' 'CORREGIMIENTO CAMPO 2' 'Puesto de salud Tomachipan' 'COLEGIO VEREDA LA PALMERA ' 'Carretera pública' 'CENTRO DE ATENCION PRIMARIA EN VEREDA PUERTO GAITAN' 'CARRO FRENTE PUESTO DE SALUD AREMASAIN' 'CENTRO DESALUD QUIFA' 'VIA PUBLICA DE LA VEREDA MENDEZ EN DIRECCION HACIA ZONA URBA' 'El Carro' 'FINCA EN LA COMUNIDAD DE GUAMUCO' 'MENOR CON NACIMIENTO EXTRAINSTITUCIONAL EN TAXI' 'VEREDA ZARAGOZA' 'UNIDAD DE CUIDADO EN SALUD PROPIA E INTRACULTURAL UNICUSPI ' 'casa de vecinos' 'PARQUE LA FLORIDA' 'VIA CAICEDO' 'GUARIPA' 'COMUNIDAD INDIGENA HITNU' 'UIMIST' 'CAI DE POLICIA' 'COMUNIDAD BOCOTA' 'LANCHA DE REMISION' 'CARIJED' 'TRANSPORTE' 'CASCAJERO CHOCO' 'VEREDA LA CORCOBADA' 'VIA PUBLICA EN CARRO' 'TRANSPORTE URBANO (CARRO)' 'CENTRO DE SALUD- PUERTO BOLIVA' 'RESGUARDO INDIGENA EL MEREY -' 'HOSPITAL JULIO FIGUEROA VILLA' 'AUTOMÓVIL' 'LA SIERRA' 'CARRETERA VIA DORADA-LÉRIDA' 'EN LA VIA CARRO DONDE SE TRAN' 'EN CARRETERA HACIA HOSPITAL' 'AMBULANCIA DE TRASLADO A HOSPITAL' 'CARRETA' 'VEHICULO PARTICULAR DE TRASLADO HACIA EL HOSPITAL ' 'AUTOBUS PUBLICO' 'PUERTO VALENCIA' 'VEHÍCULO DE SERVICIO PUBLICO' 'EN UN BOTE LA AZUCAR RIO MIR' 'oficina' 'CARRO DE BOMBEROS' 'VIA PLAYA RICA A ROVIRA' 'VIA PUBLICA - CARRETERA' 'EN VIA PUBLICA' 'en taxi ' 'En la ambulancia ' 'HUEM ' 'Casa de partera ' 'HOSPITAL UNIVERSITARIO ERASMO MEOZ' 'noción en la ambulancia durante el traslado' 'EL PUESTO DE SALUD DE RIO MISTRATO' 'Vereda San Francisco ' 'EN LA CARRETERA ' 'CARRETERA ENTRE CUATRO VIENTO Y BOSCONIA' 'resguardo unuma meta ' 'CAMPO ABIERTO COMUNIDAD UWA' 'RIO ATRATO TUMARADO' 'La Sonora' 'VIA PUBLICA EN SECTOR TRINIDAD A VEREDA LA ESPERANZA ' 'CASA VECINA ' 'LANCHA ' 'VEHÍCULO CARRO' 'DESCONOCIDO' 'Comunidad Indígena Parreros Vereda Betoyes' 'VIA PUBLICA DEL CORREGIMIENTO DEL SINAI' 'san juancito' 'vehiculo publico' 'CASA VEREDA SAN CARLOS ' 'Puerto murillo ' 'EN VIA PUBLICA PARTO DURANTE TRASLADO EN AMBULANCIA SAMANIEG' 'FRENTE A PUESTO DE SALUD AREMASAIN' 'camino desde la vereda el mango a puerto guzman' 'En la calle' 'TRANSPORTE HACIA HOSPITAL' 'CONSULTORIO PREVIS ' 'vehculo ' 'camino real hacia comunidad indígena de Segovia' 'CAMINO AL CENTRO' 'centro de salud de papayal' 'HOSPITAL SANTA SOFIA' 'AMBULANCIA - VIA SANTA ANA A P' 'EL TAPAO' 'V/ BELLA VISTA.' 'AMBULACIA' 'EN LA PANGA'] Valores no válidos: [nan] FECHA_NACM - Valores no válidos detectados: 259405 Valores válidos detectados: ['12/10/2015' '12/09/2012' '14/03/2019' ... '19/12/1999' '03/06/1997' '01/03/1999'] Valores no válidos: [nan]
In [54]:
incosistences22 = check_consistency(nac2022_data)
Todos los tipos de datos son consistentes con los esperados.
C:\Users\PC2\AppData\Local\Temp\ipykernel_7124\604307692.py:92: DeprecationWarning: is_categorical_dtype is deprecated and will be removed in a future version. Use isinstance(dtype, pd.CategoricalDtype) instead elif pd.api.types.is_categorical_dtype(dataset[col]):